还愿🙏

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...

腾讯一共经历了三次一面，分别是腾讯魔方、腾讯金融科技、腾讯云3.18 腾讯魔方一面处女面，表现非常差自我介绍面试官问专业和测开有什么关系（本人非科班出身，当时就被问住了，不知道该怎么回答）然后接着一道手撕：数组中的重复数据（力扣442原题，要求常数级空间复杂度与O(n)时间复杂度）写了40分钟写不出来，面试官也不说话一直等待，最后给我讲了一下思路然后进入反问环节3.23 腾讯金融一面自我介绍编程题1：给定一个数组，其中少了一个数（非开头结尾），找出少的那个数编程题2：给一个数组n与数字t，统计数组每个元素出现的次数，返回前t个出现次数最多的数，次数一样则按元素升序排序项目拷打http与http...