1.自我介绍2.论文拷打3.手撕题：（面试官已经不知道问啥了，让我先写个题，他再想想问什么）给定一个数组和k，问能不能把这数组换分成k份，每份的总和都相同。（想到问什么了）4.transformer的多头是如何划分的5.讲讲位置编码有哪些6.讲讲diffusion的原理，flow matching了解吗讲讲，ODE呢？（ODE是啥，可能没听清，反问了下ODE的全称 他说他也不清楚）（有可能是我听错了）7.Qwen Image-Edit讲讲（不知道，只用过）反问：1.业务2.手撕题的算法优化（我用的dfs+剪枝，面试官说应该可以用状压，不会）3.面试整体评价（面试官说字节大部分面试官看重聪明度+...

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

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...