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...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

这周八轮面试，也算是耐面王了，解锁成就面试十连过，许愿字节 hr 面，球球了让我当节孝子3.9 字节一面 ： 广告架构与工程 （挂）3.14 腾讯一面 ： hr 业务线 （挂）3.25 字节一面 ： 巨量星图 （挂）4.9 腾讯一面 ： 腾讯广告 （挂）4.8 美团一面 ： 美团平台 - 地图绘制组 （过）4.14 tme 一面 ： q音业务线 （过）4.15 美团二面 ： 美团平台 - 地图绘制组 （过，第二天上午口头oc）4.16 虾皮一面 ： 供应链（上午面，下午过 ）4.16 tme 二面 ： q 音业务线 （面完一小时约三面）4.20 字节一面 ： 中国交易与广告 （秒过，约两小时后...