转码选手，但是收到本专业国企offer

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...

现在大二，投了很多没人理，看到很多都是要大三的，可不可以伪装成27届找实习啊。有没有人经历过。

个人情况：双非，两段实习原本谈好三月签三方，结果月底说可能没HC，公司来年不招初级开发，可能试用期无法转正。四月初开始投简历，但是还要同时忙毕设，已经是微活的状态了。现在每天都挺焦虑，没找到工作好像也不会做其他的。现在去考研时间也不一定够，而且也不太甘心现在这个结果。希望路过的大佬能指点一下------不知道现在投国企来不来得及，不过感觉学历是硬伤，有没有大佬知道，非常感谢------感谢各位大佬的留言，后续可能考研，不上岸就转行了。

收集了一圈身边人的真实经历，答案比我想象的离谱。说最慷慨的，字节被提名最多。朋友去字节面试，当天打车报销，面完请吃饭，最后没过还发了封措辞温柔的拒信。他说："被拒得这么体面，我都不好意思骂它。"还有人说华为，实习补贴高、节假日礼品多，但补贴都用来买止痛药了……说最抠的，某传统国企稳居榜首。朋友实习三个月，补贴800，打车不报销，连打印纸都要申请。有次加班到凌晨，问能不能打车回去，领导说"地铁还没停啊"。还有种抠法更隐蔽：offer写的是20k，到手发现餐补通讯补贴全是饼，实际到手15k。问HR，说"这很正常的"。但有意思的是，慷慨的公...