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...

我不上课，我要实习😡，这约面是真难啊，投了4天了就约到两个，一个笔试，一个面试

你的简历根本没命中JD里的隐藏考点【纯干货，无废话，建议先收藏再看，免得想用的时候找不到了】兄弟们，我是真的急了。刚才帮一个学弟看面经，我真的想顺着网线过去摇醒他。他面的是某大厂的商业化运营，简历上写得花里胡哨什么“负责社群活跃”、“策划线上活动”结果面试官上来就问：“如果给你一个ROI为负的新品，你第一周会怎么拆解归因？”学弟直接懵逼，支支吾吾说了半天，最后挂了。其实这道题，JD里早就写了！JD里明明写着“对数据敏感，能通过数据分析优化投放策略”。但他没看出来面试官就是在考他“数据归因”和“策略优化”。这就是典型的“无效准备”。你背了一堆八股文，结果人家问的是业务场景题。今天我不整虚的，直接...