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...

好像是个中厂，如果处女面面这个会死吗

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

1. 请你介绍一个最有技术含量的嵌入式项目，重点讲讲系统架构、你的职责和遇到的难点参考答案：我做过一个基于STM32/嵌入式Linux的控制系统，整体分为传感器采集层、控制逻辑层、通信层和上位机交互层。我的主要职责是驱动开发、通信协议设计，以及核心任务调度与性能优化。在架构上，我把高实时任务和低优先级任务拆开，用中断加RTOS任务的方式保证关键路径响应。项目难点主要在于多模块协同、通信稳定性和异常场景下的恢复机制。我通过优化任务优先级、引入状态机设计、增加超时重试和日志定位，解决了大部分稳定性问题。这个项目让我对驱动、任务调度、接口抽象和系统级问题定位都有更深入的理解。2. 为什么想做嵌入式开...