站在一个辅导员的角度上,一个想要为自己的未来拼一把但是大学前1年挂过科,在学生干部岗位干的不顺心,辞职不干直接跟辅导员闹掰,对于自己未来的职业规划以及学习路径有了一定的了解和尝试,已经有了准备未来实习和入职想法的同学.和一个每天除了上课时间都待在宿舍,每天都在打三角洲和王者荣耀的没有挂过科,积极当学生干部,志愿服务积极准备并参加学校举办的下乡活动并参加大创和挑杯,以及一些直接从导师那里拿项目直接报上去就可以拿到奖项的比赛3-4个.你喜欢哪一个?如果站在未来求职者回望往昔你又想当哪一个

唉没招了，大厂全是这种吗，双飞真没机会呀！！！

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...