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...

真没招了  原来是卖课的.. 把我的感动还来...

这样是挂了么

📍面试公司：智元机器人（子公司外包）🕐面试时间：4.16（boss投递，当天约面）💻面试岗位：测试研发工程师❓面试问题：1.自我介绍2.介绍实习（主要问做了什么，没有问的很深）3.你怎么理解测试和测开的区别4.CI、自动化流程体系建设，这方面有什么了解5.你认为一个比较合理完整的自动化测试流程大概是什么样的6.开发完的自动化测试用例，什么时间或时机跑，为什么跑，跑哪些，目的是什么，输出是什么样的7.从整个研发生命周期来讲，每个版本迭代，自动化测试从哪个环节去执行以及不同环节自动化测试在做什么8.你认为测试工作的核心目标是什么9.产品新版上线前，你会从哪些角度去评估测试的覆盖性和是否具备上...