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...

这个岗是不是无了呀，怎么一直卡着😢😢引流：腾讯、字节、阿里、拼多多、小红书、滴滴、小米、华为

博主是26届校招生，接受过京东、阿里、字节、科大讯飞、海康威视、正浩创新、奥比中光、商汤科技、中国航信、汇川技术、CVTE、美的、格力、亿道、康冠科技、9号公司、猿辅导、中科曙光、中航光电、郑煤机、国家能源等公司的面试。获得过郑煤机、亿道、格力、CVTE、阿里、科大讯飞以及一些国企的offer。现在把所有面试遇到问题进行汇总，希望能够帮到大家！主要是高频面试汇总！11、什么是内联函数？ 内联函数需要inline关键字进行修饰，其和普通函数没什么大区别，其就是把经常调用的功能封装成了一个函数。在后续调用时，可以直接将函数体插入调用的地方，而避免函数调用的开销。注意：内联函数适用于频繁调用但函数体...