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。

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

投了字节后端实习岗当天直接流程中止，面试都没有，大佬们可以帮我分析一下吗，这是我简历

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...