腾讯WXG： 三轮技术面通过，已oc字节：一面挂(不知道为啥，结束的时候面试官从各个角度都说自己回答的很好，但是隔了两天被挂了)美团：笔试2/3挂拼多多：笔试3/4挂京东：无响应快手：挂了一页简历无响应携程：二轮技术面通过，做完了ai测评和英语测评华为：笔试通过其他的像滴滴、得物，腾讯通过了就不参与后续流程了总结一下，感觉主要是没面试，有面试的基本可以通过，不同厂考的侧重点不太一样感觉，携程喜欢考八股，字节喜欢考实际的经历，腾讯喜欢拷你宏观场景题，以及除了腾讯其他的手撕不是很难，基本hot100稍微变点,还要就是几乎所有面试都有问你怎么使用ai的，所以尽量自己动手稍微试一下，可以面试的时候谈谈...

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。

Seed部门实习生！日薪！日薪！是5000.。。我的老天爷我没看错吧。。。人比人真是吓si人😱还是得搞人工智能还是得搞模型开发

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...