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...

自我介绍实习B 平台 介绍一下从工程或技术角度来看，内容生成类和智能体（Chatbot，基于纯文本的大模型）有什么区别即梦和 Sora2 在接入和使用上有什么区别Sora2 的生成效果有问题吗接 Sora2 的时候有没有遇到什么问题C 系统 介绍一下介绍策略引擎的整体思路，以及你做了哪些改造关于用户是否访问过小红书上的广告，是如何收集数据的从工程角度来看，如何监控特征质量（覆盖率：KV 存储数据 / 广告点击流数据）算法合并 K 个有序链表 && 时间复杂度