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...

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

✉️投递：腾讯两次全一面挂；字节1次一面挂；阿里现在只有淘天的一个部门还在面试中，其他全挂；拼多多笔试挂；小红书一面挂；米哈游笔试挂；oppo直接挂；vivo直接挂；联想投了没消息；京东没消息；滴滴没消息；得物刚笔试完；华子刚约一面；还有其他的我也忘了，巴嘎！📝offer：携程终于泡出池子了，豚厂我爱你！🎙️我的感受：感觉自己还是得好好沉淀，ummm，暑期实习还没结束！我还能变强！牛友们也要加油！再来一发阿里淘天的电话面一面面经：1、自我介绍；2、介绍一下Java中的原生锁；3、介绍一下Synchronized的使用场景；4、为什么ReentrantLock可以实现可重入操作？5、JVM中...