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...

我觉得我经历很丰富啊，为什么在西安只有7k😭

秋招加春招，前前后后面了差不多 20 家公司，岗位主要是嵌入式软件开发、Linux 驱动、底层软件和部分车载方向。一路面下来，最大的感受就是，嵌入式面试真的很容易让人产生错觉：准备的时候觉得自己都会，真正进面之后才发现，很多知识点其实只是“看过”，还远远没到“能讲清、能展开、能抗追问”的程度。下面这 5 点，是我这段时间最真实的总结。1. 八股一定要背，但更重要的是“理解版八股”嵌入式面试离不开八股，这个是事实。C 语言、指针、内存分区、volatile、static、const、结构体对齐、大小端、中断、线程/任务调度、锁、信号量、死锁、I2C/SPI/UART、Linux 进程线程、虚拟内...