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...

28届找暑假的日常实习，投什么厂合适呢，现在八股基本过了一遍，hot100差不多刷完了 求各位大佬指点

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。

StringBuilder和StringBuffer的区别是什么？ StringBuilder 和 StringBuffer 都是用来拼接字符串的可变对象，核心区别是： StringBuilder：线程不安全，性能更高。 StringBuffer：线程安全，方法大多加了 synchronized，性能相对低。 大多数实际开发中更常用 StringBuilder，因为字符串拼接通常发生在方法内部，是局部变量，不会被多个线程共享。 遇到过哪些线程安全问题？ 我遇到过比较典型的线程安全问题是共享变量并发修改导致数据不一致。 比如多个线程同时更新同一个统计值、库存数量、任务状态，如果直接用普通变量或者...