米哈游

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...

面试迟到，还在面试前偷偷降100待遇，浪费我时间

想问下agent项目和简历应该怎么优化

一共两轮（技术+hr）技术面1.先简单的自我介绍一下2.当时你们这个项目人员配备是怎么样的？我引出了项目的背景...3.讲一下你这段实习经历干了什么？4.你再介绍一下你这个项目吧？5.说一下redis常用的数据类型吧？6.比如我现在要实现一个场景如何保存页面的一个点击量和用户量，你会怎么设计？（场景设计题）我回答的是，在刚刚谈到的我提取出了一个关键信息就是无论一个用户访问了多少次同一个页面，都只算一次，那这个体现的其实就是唯一性，我会想到用set的数据类型进行存储，key放的是页面url，value放的是user_id。对于像页面点计量，其实我想到一个比较简单的，用string数据类型就行，因...