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...

简历完全过不了啊😢是院校的问题吗

我是犯天条了吗？大佬们

🕐面试时间：60min💻面试岗位：后端开发❓面试问题：自我介绍一分钟（话说一分钟的自我介绍能说些啥呢）concurrentHashMap的底层原理，以及他为什么能保证并发安全为什么要用到cas和synchorized的方式反射调用和直接调用在性能上有什么不同，当然反射的性能会差一点，为什么（没回答上来，面试官问有没有听过 jit，依然没有）spring中哪里体现了反射的思想数据一致性问题，为什么先更新数据库后删缓存比另一种策略好，以及解释一下延迟双删拷打agent项目介绍一下你是怎么开发mcp工具的，你是怎么理解的介绍一下tool，mcp，skill你在开发过程中有自己写过skill吗（没...