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...

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

朋友圈里已经有人晒offer了。我还在等美团二面的消息。27届，985，找暑期实习。以为学校还行，进度会比别人快一点。结果……大家都差不多。 说说现在我的进度：字节产品：笔试过，一面完了，等二面通知，已经过了12天。美团运营：一面完了，等二面，等了6天。网易产品：简历投进去没反应。小红书：刚投，没消息。快手运营：面完了，说一周内出结果，等中。投了十几家，在走流程的4家，都卡在等里。 这种状态是最难受的。不知道有没有戏，不敢停下来，但也做不了什么，只能继续投继续刷题。前几天心态很差，后来强迫自己做了几件事：一是继续投，没有offer不能停。这段时间用了网申助手批量填表，每家1-2分钟，省出来的时...