浙江省公众信息产业有限公司

刷牛客看到好多人问实习转正的事，我去年刚走完这套流程，分享下我的真实情况吧：26届，大模型算法，实习3个月，没面试直接转正了。一、实习这3个月：把我干懵过也干爽过我是去年大概4月入职的，到7月启动转正流程，正好3个月左右。刚来的时候真的懵。之前也在别的公司实习过，前两三个月主要做数据处理，后面才开始逐渐接触模型。但百度这边节奏很快，第一周mentor就跟我讲接下来要做什么项目了，而且刚入职对各种事情都不熟悉，我记得入职第一天配环境就搞了大半天，各种内部工具名字都没听过，整个就是一个手忙脚乱。好在身边同事都很耐心，问他们都会回，mentor人也挺好，不是甩手掌柜。这里也是点名一下，其实现在形形色...

RT，不是很好意思直接问HR

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...