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...

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

字节直接现场用Copilot写代码，但有个坑：他们看的不是你会不会用AI，而是你怎么改AI生成的代码。我一开始直接用了AI的结果，面试官说"这个边界条件有问题，你发现了吗？"我才意识到他在测试我的code review能力。阿里更狠，给了个需求让我用AI辅助完成，然后追问"为什么AI给了这个方案？还有更好的吗？"我答不上来，因为我就是无脑接受AI的建议，根本没思考过为什么。小红书问得比较软："你平时用AI工具吗？觉得哪些场景最有用？"我说用来写单测和重构代码，面试官点头。后来过了。我的感悟是：AI Coding不是看你会不会按Tab，...