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...

求锐评简历，一个面试都没有

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...