前言我在某互联网大厂做了2年技术面试官，平均每周面3-4个人，累计面试了300+位候选人。有一个现象让我印象深刻：很多候选人技术能力其实不错，但面试结束后我给出的评价是"不推荐"或"待定"。候选人可能永远不知道自己为什么被刷，因为HR只会说"综合考虑后……"。今天我把这些隐藏的扣分项全部公开，帮你避开那些"你不知道你不知道"的坑。原因1：自我介绍超过3分钟面试官的耐心比你想象的短得多。自我介绍超过3分钟，我已经开始走神了。我面过一个候选人，自我介绍讲了整整6分钟——从大学专业讲到研究生方向，再讲了3段实习经历的细节...

2年了

3月份找暑期实习到现在，没有公司愿意给我面试，我大概投了二十多家，是不是投的还是太少了。

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...