京东内推

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...

我觉得我经历很丰富啊，为什么在西安只有7k😭

真的要被春招面试搞疯了，每次都能顺利通过一面，结果到二面就翻车，来来回回挂了好几次，真的是越面越没信心了。一面大多是问基础题、简历上的项目，这些我都提前准备过，基本上都能对答如流，每次面完都觉得稳了，结果等来了二面，直接被问懵。二面要么是深挖项目细节，问我“这个项目里你遇到的最大问题是什么？具体怎么解决的？”，要么是问业务场景题，结合项目给我提一些具体业务上的问题，我每次都答得磕磕绊绊，思路不清晰。真的太磨心态了，每次都差一步，不是简历挂、不是一面折戟，偏偏卡在二面，越面越焦虑，甚至开始怀疑自己是不是真的不行。