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...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

做网申助手两个多月了，今天想写几个真实的例子。不是数据报告，就是几个让我们印象深的故事。 【例子一】一位26届测试开发的同学，春招投了50家。前20家手动填表，后来装了插件。她说：「最后拿offer的两家，都是后来批量投的时候投的。要是一直手动填，可能早就投倦了，这两家可能就没投。」【例子二】一位27届产品方向的同学，一个下午投了12家。「以前投12家要两天，因为每家填表都要重新来一遍，累了就搁着。现在下午统一开tab，插件填好，逐个检查开放题提交，顺畅多了。」【例子三】这条评论我们记得最清楚：「我有两家是填到一半嫌麻烦放弃了。用了你们的插件之后我发现自己能投完了。」这句话让我们意识到：工具改...