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...

Timeline3.5一面3.8 二面3.12 三面3.18 hr面4.2 offer

27届民办学院本找java实习，ssob投了大概1000份只有一个面试，4.1开始投递的，现在感觉也没什么岗位了，最近特别的焦虑，每天就是看有没有人回复我的简历，感觉现在找不到实习就完蛋了，没有了一开始学习java的动力和热情了，我记得最初的我是一个很乐观的人，为什么会这样呢？附简历

没招了，4月22了，基本没几个面试，有的面试也都是一些很垃圾的深圳7k，有一个山东济南6.5k的，是给医院开发系统的，好难受，工资太低了。上一家实习工资都给6.5k，现在找一个8k的都找不到呜呜呜呜呜。简历也让别人看了，说是没什么问题，现在春招也基本结束了才想着过来发，就当给大伙看个乐子吧。