腾讯求捞求内推

4.14 阿里一面拷打实习经历拷打agent项目一道ai codingcoding时面试官问了手里有没有其他offer、为什么选阿里、又交流了一下比较ai发展的前沿反问4.16收到二面邀请面试官人很好，很随和感觉自己还是没适应面试，比如被打断之后思路就比较迟钝了，说不明白，感觉需要多训练沟通#牛客AI配图神器#

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

大二小登简历求拷打

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...