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...

就是一个普通二本学院，我这还能找到工作吗，有什么建议吗。哎。真心建议，嘲笑也能接受，哥哥们

技术面的人敲打细节很无聊啊 之前做的一个项目被说 经常因果分析 说你的一个小项目和大模型 然后就搬出什么qq的logo是企鹅是产品有研究的。我说拜托这种东西不都是别人成功后才被推敲的吗，没成功谁会知道qq是企鹅还是什么。然后面试的就自信的说自己能说出qq和国外所有通讯软件的优劣势和区别借此来打压我的项目论证其产品和市面上大模型的无差别处。我说一个小项目肯定是会和市面上很多功能有相同的，真这么扣的话为什么你比我大这么多早二十年做出qq的不是你而是你在这里抓着我的项目显示你产品功力的优越感