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...

简历完全过不了啊😢是院校的问题吗

在互联网正式工作大半年了，程序员，有了很多的心得体会，想和26、27届的学弟学妹分享下，大家听听即可，不一定是真理，只是我的个人感悟。1、进入互联网不用担心接触不到ai有很多同学拿到了互联网的传统开发岗位，担心接触不到ai、工作没有前景，我觉得这是完全多虑的。我没见过不搞ai的部门。你说你不想搞ai，你老板绝对第一个不同意。因为你老板上面也有他自己的老板，老板都迷信ai。我觉得还是要多考虑下ai能力过强把人淘汰的情况吧，事实是各个国内互联网大厂都在搞全员skill话，把同事炼成ai、人走能力不走这真不是玩笑话。2、互联网职业生涯很短人生路漫漫但职业路短短，不要看目前还有一堆30+、40+的老登...