理想汽车

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...

投了一个月了没约到面试

1、嵌入式中的大端、小端大端模式：高位字节存放在低地址，低位字节存放在高地址。小端模式：低位字节存放在低地址，高位字节存放在高地址。0x12345678在内存中的存储方式如下：内存地址0x00 (低地址)0x010x020x03 (高地址)大端模式12 (高位)345678 (低位)小端模式78 (低位)563412 (高位)由此看，大端模式符合人类阅读习惯。2、x86、ARM架构中都是大端、还是小端x86架构往往是小端模式。ARM要根据情况，支持大端模式和小端模式。大多时候运行在小端模式。3、递归在单片机中使用会有什么问题栈空间耗尽：每次函数调用都需要在栈上分配一块内存，用来保存局部变量、参...