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...

这个世界太疯狂了

0实习，春招能拿到offer吗，  孩子要哭了🥹🥹

目前面的比较多了，首先复试拿下了桂电工作方面：因湃（国企）谈薪完成，到手8K左右，双边公积金+包吃住，年包14-15W左右吧（但是可能会加班）大长江集团，江门那边的，一面过了，在等二面，目前了解到的薪资是8.5K（年包12W左右）+包吃住+三线城市消费低（如果可以拿下就是目前首选offer）中车广东（央企），一面过了，后续还有二面，但是薪资不高6K左右航同电气，一个一般类型的私企（面完当场发了offer），薪资5.5K+包吃住，在新余物价比较便宜珠江金智维，目前还在笔试阶段。。。。。。。。还是老样子，欢迎大家来取面经奥，或者是评论了解一些面试相关经验