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...

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

人生第一次主动投递简历，深受打击总共打招呼120，其中67个未读，34个已读不回，主动涌上来的5个字节和3个华为kpi，婉拒。最后11个投递简历，然后6个已读不回，2个询问实习时间后口头承诺约面，3个要了简历逗逗我然后没看。想问问该怎么办这是正常的嘛4.6。并非没人要，去手子了

今天腾讯测试开发一面，27届找暑实，整理一下，有一题卡了说出来别重蹈。 【考点流水账】Linux日志查找：给一个日志文件，找出ERROR级别记录并统计次数。我用grep + awk写的，面试官没有异议。Python编程：写一个函数，判断一个字符串是否是合法的IP地址（四段数字，每段0-255）。我用split + 判断写的，面试官说逻辑没问题，问了有没有更简洁的写法（正则，我当时没想到，事后想到了……）SQL：联表查询，group by，统计某字段数量，难度不高。接口测试设计：测试一个登录接口，说说测试点。（我答了：正常流程/边界值/异常场景/安全测试，面试官说不错，但追问了：你说的&quot...