求助大佬们

全程长达两个半小时第一个小时问项目感觉答的挺好的中途有两个细节不太会忘记用的算法名字了面试官说是不是别的同学做的我说当时没多想调用的框架现成向量化算法不记得名字了然后手撕两道，第一道编译器好像出bug了，我选cpp但是执行别的语言编译然后说了下思路，面试官看了下代码，过下一题第二题挺难的，属实没撕出来，也是说了下思路然后又问了一道简单小问题进反问面试官一个问题聊十分钟就是一个聊天的状态，聊了聊业务和看法大概半小时也不知道过没许愿二面

3月份做过一次ai coding了，那次一面挂了。重新投了其他岗位之后，又给我发ai coding了，我看邮件，这个不是只能做一次吗？4.1发的邮件，我没做，今天又给我发了，官网是蓝点。uu门，我需要做吗？

谁懂啊第一题被卡了1个小时，然后发现复杂度完全支持暴力枚举，结果剩下时间做第二题卡了95%正确率啊啊啊啊啊到底错了哪个测试例啊啊啊啊啊啊

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...