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...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

难受，整个面试环节就一个地方回答错了也被挂。面试官这速度太快了吧，才4个小时就给我挂了

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...