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...

自从我室友在计算机导论课上听说了“刷 LeetCode 是进入大厂的敲门砖”，整个人就跟走火入魔了一样。他在宿舍门口贴了一张A4纸，上面写着：“正在 DP，请勿打扰，否则 Time Limit Exceeded。”日记本的扉页被他用黑色水笔加粗描了三遍：“Talk is cheap. Show me the code。”连宿舍聚餐，他都要给我们讲解：“今天的座位安排可以用回溯算法解决，但为了避免栈溢出，我建议用动态规划。来，这是状态转移方程：dp[i][j] 代表第 i 个人坐在第 j 个位置的最优解。”我让他去楼下取个快递，他不直接去，非要在门口踱步，嘴里念念有词：“这是一个图的遍历问题。从宿舍楼（root）到驿站（target node），我应该用 BFS 还是 DFS？嗯，求最短路径，还是广度优先好。”和同学约好出去开黑，他会提前发消息：“集合点 (x, y)，我们俩的路径有 k 个交点，为了最小化时间复杂度，应该在 (x/2, y/2) 处汇合。”有一次另一个室友低血糖犯了，让他帮忙找颗糖，他居然冷静地分析道：“别急，这是一个查找问题。零食箱是无序数组，暴力查找是 O(n)。如果按甜度排序，我就可以用二分查找，时间复杂度降到 O(log n)。”他做卫生也要讲究算法效率：“拖地是典型的岛屿问题，要先把连通的污渍区块都清理掉。倒垃圾可以用双指针法，一个指针从左往右，一个从右往左，能最快匹配垃圾分类。”现在我们宿舍的画风已经完全变了，大家不聊游戏和妹子，对话都是这样的：“你 Two Sum 刷了几遍了？”“别提了，昨天遇到一道 Hard 题，我连暴力解都想不出来，最后只能看题解。你呢？”“我动态规划还不行，总是找不到最优子结构。今天那道接雨水给我整麻了。”……LeetCode 真的害了我室友！！！

第一次写简历，改了好多版本，最终就是下面这个内容了。八股还没背多少，算法题已经刷了很多，打算用这个找第一份日常实习，各位佬给点建议呗！    #牛客AI配图神器#