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...

继上次三方毁约后，又拿到了腾讯社招offer

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

拼多多后端二面，总体比较简单请做一个自我介绍介绍一下你第一个项目中你觉得比较有意义的内容你提到的 SPI 机制具体是怎么用在项目里的？优惠券秒杀中两套方案（同步 / 异步）分别是怎么实现的？乐观锁和分布式锁在你的秒杀逻辑中是怎么具体使用的？异步方案中 Lua 脚本 + MQ 的具体业务流程是怎样的？分布式锁在这个方案中的性能瓶颈在哪里，有什么优化手段？除了调整 RedLock，你还有什么办法优化锁的粒度或性能？布隆过滤器？你的项目中消息队列是怎么用的？如何保证消息不被重复消费？消息堆积一般如何解决？顺序消息是如何实现的？RocketMQ 为什么能支持顺序消息？和 Kafka 有什么区别？简单介...