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...

这俩就是包装的外卖和点评，我boss投了十多天了一个面都没有，哎人都要焦虑死了，感觉暑假实习都拿不到，只能去学校实训了，到时候秋招能不能找到好工作都感觉有点难，有没有大佬指点一下，拜托了🙏🏻

希望有行业从事人员，帮忙点评一下哪里有不足

HR面考的不是技术，是这个人稳不稳、好不好管。每句话背后都有潜台词。问为什么离职→ 你会不会也这样离开我们？问职业规划→ 你打算待多久？问期望薪资→ 这个人好不好谈？被HR刷掉的基本就这几种：薪资说死了没空间、抱怨前公司被打叉、规划说走一步看一步、反问环节一声不吭。过HR面的人有个共同点：不卑不亢，说话留余地。薪资给区间不给死数，离职原因永远是"寻求更好发展"，被压薪别慌，淡定说句我这边还有其他offer在考虑，您这边有空间吗？往往比你想象中管用。HR面是最后一道情商检测。带着筹码去，别空手进。