也是收到小奖状了

1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...

emmm没想到以这种方式被挂了

腾讯面试这个状态是啥意思

上周我面了字节、阿里、美团的前端岗，都过了。血泪经验总结成一句话：今年面试，懂AI的比懂React的更抢手。字节那轮面试，面试官问了我一个问题："你平时怎么用AI辅助前端开发？"我当时心想，终于到我擅长的领域了。因为我最近一直在研究Cursor做React组件开发，用AI生成TypeScript类型定义，还做过一个基于AI的组件库文档生成工具。结果面试官追问："你用AI生成的组件有做过性能优化吗？怎么保证AI生成的代码没有XSS漏洞？"这两个问题直接把我问住了。AI生成代码是快，但它不懂业务场景，不懂安全边界，更不懂性能调优。这些"后处理&qu...