游戏客户端，意向base上海3.12 官网投递（3.18 收到光子面试邀约）3.19 光子（深圳）一面。很有趣，面试官上来就说没看到我的意向base是上海，然后问要不要面。想了想腾讯会议开都开了就面一下，不过因为太久没刷题知道自己手撕表现得不好，面了几十分钟就和面试官say bye bye了。（3.21 收到光子流程结束邮件，3.24 收到北极光面试邀约，提供26号or27号的面试，选择了26号）3.26 北极光一面。完美发挥。（3.27 收到北极光二面邀约）3.30 北极光二面。（4.2 云证 + 收到北极光hr面试邀约）4.7 北极光hr面竟然是深圳总部的hr，乖乖...4.8 转录用评估...

这会儿找工作是不是有点晚了啊

，有没有什么老主神学，祝我一臂之力

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...