得物校招可冲

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...

3月份找暑期实习到现在，没有公司愿意给我面试，我大概投了二十多家，是不是投的还是太少了。

不是我应聘个it技术支持岗位4-6k 还学历歧视上了😭

1🐧 csig云数据库，ai应用开发岗，做agent memory方向，base成都，据说转正率50%+。2 🐜 平台技术事业群数智引擎，模型基准和评估岗，做评测框架的事情，base杭州，转正率未知，部门实习生挺少的。3 字节 tiktok，客户端开发岗（纯安卓&ios），业务是tt新的ai搜，base上海，不过是口头oc，要下周出结果，🐧可能会来不及。本人base上海，请各位老师帮忙，评价一下，不尽感谢🙏