离谱工作内容

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...

拼多多测试一面，

我大三tmd逃课去白马培训是吧，你老冯同意了没？

京东真是很神奇的一家公司，面试完全不考算法，二面来了俩面试官，面完才知道是二面技术面和三面HR面一起面了，一会问八股一会问性格，4.17收到offer，最后决定去京东了HR：请做一个自我介绍为什么选择直接就业而不是考研？你对未来的职业规划是怎样的？为了转向全栈方向，你做了哪些准备？在本科期间你重点学习了哪些技术？是如何学习的？你的项目经历是否有实际落地或应用场景？请介绍一下你的 AI 智能问答助手项目这个 AI 项目是从 0 到 1 开发的吗？整体架构是怎样的？你在项目中是如何使用 AI 辅助开发的？使用 AI 编程工具时有哪些不足或风险？如何避免？技术：多模态能力在你的项目中是如何应用的？M...