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...

遇到一个民科乐子，最难绷的一集。

项目很垃圾就是外卖加点评，想在成都找个中小厂实习（如果能去大厂更好但是我感觉我不行），实习到9月份开学，现在准备开始背八股，力扣刷了20多道，机会大不大？

这场滴滴C++一面整体问得很杂，但又不是那种完全脱离项目的八股拷打，更多是基础题穿插项目追问。前面会先看你的计算机基础和C++功底，后面再结合项目去问设计、优化、排查和取舍。整体感受就是：范围广，节奏快，很多题都能继续深挖。我自己的感受是，面试官比较看重你是不是真的理解，而不是只背过答案。像进程线程、Reactor、epoll、HTTPS、MySQL索引、内存池这些题，如果只能说定义，很容易就被问住。另外项目一定要熟，不然后面问到性能优化、技术选型、线上问题排查时，会比较难接。这场面试大概问了这些题：进程与线程的区别是什么？C++11 协程的用户态线程是怎么实现的？什么是 Reactor 模型...