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...

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

bg：双非本后端一面（0319 10:00 30分钟）自我介绍实习拷打sql优化？八股盛宴1、mysql的acid怎么保证？2、mysql崩了怎么保证持久性？记事本手撕：1、单例模式（双重检查锁）说下思路volatial的作用？指令怎么重排的？还有什么模式能避免吗？2、怎么优化？反问：base深圳部门业务上门回收（个人->卖家这个大部门）中午1.显示面试通过✅二面（0320 18:00 42分钟）先写题： // 一个字符串，只包含A、B两个字符，求把所有A移动到左边，所有B移动到右边的最小步数（每次移动只能相邻的位置进行交换) // ABA - 1 // BAA - 2 实习项目redi...