人的很多不开心都是因为比较吧

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...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

长风破浪会有时，直挂云帆济沧海。刚开始准备找暑期实习时，我踌躇满志，自以为已经有了一段实习经历，加上9本，好好准备准备面试找个大厂暑期不是手拿把掐手到擒来?然而现实却给了我一个响亮的耳光，别说面试了，连简历都过不去，迎接我的，只有简历挂，测评完泡池子，笔试完泡池子...而我呢，每天都沉浸在八股-项目-算法-八股...的循环中，然而，却连一个面试机会，都等不来...，我，也有些懈怠了。就在这时，美团的面邀，就像，哦不，简直就是照进我灰暗的生活的一道曙光，我立刻找回自信，继续疯狂的复习八股，项目，算法，以迎接这场面试。然而，现实又是一记响亮的耳光，面试完后，很快就回归了人才库。我又陷入了迷茫，究竟...