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...

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

嵌入式春招到了最后冲刺阶段，本质上已经不是“补知识”的阶段，而是“把你已有的能力压缩成面试可命中表达”的阶段。很多人这时候容易走偏：继续刷新框架、继续啃新协议、甚至去补一些用不到的外设细节。但现实是，大厂和中小厂的面试筛选已经进入高频收敛区——他们看的不是你会多少，而是你能不能把关键能力稳定地“打出来”。一、最后阶段的本质：不是学习，是“重构表达能力”嵌入式春招面试，尤其是C/C++ + MCU/RTOS方向，核心评估其实只有三层：基础是否稳定（C/C++ + 计算机基础）系统能力是否成立（中断 / DMA / RTOS / 驱动）项目是否能闭环（你是否真的做过完整系统）最后一个月最关键的变化...