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...

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

人生第一次主动投递简历，深受打击总共打招呼120，其中67个未读，34个已读不回，主动涌上来的5个字节和3个华为kpi，婉拒。最后11个投递简历，然后6个已读不回，2个询问实习时间后口头承诺约面，3个要了简历逗逗我然后没看。想问问该怎么办这是正常的嘛4.6。并非没人要，去手子了

📍面试公司：腾讯💻面试岗位：WXG-技术架构团队⏰面试时长：2h❓面试问题：0.业务介绍1.自我介绍————————————————面试官听完自我介绍，嗯嗯了几声，然后淡淡的说：我们先代码考核一下吧，之前的邮件收到了吧（是的，在面试前，这个面试官还发了一封邮件，邮件里面说会先进行1h的代码考核）。然后他发了个腾讯文档给我。💻代码考核：一共5道题。其中，第一第二道题算是leetcode中等题难度。有点模糊了。———题目————————1.2.最长回文子串3.实现开方（要考虑MOD取模）4.图论+树：强度上来了。（需要两次dfs，我所想的方法）5.开放题，也是AI coding。设计一个Th...