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...

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

给点建议吧，找不到实习了😭  

天天有人在牛客上刷到有人问“找不到大厂实习，去小厂会不会废了？”“接了小厂offer，怕大厂转头就给我发offer，怎么办？”我就想问一句：你死磕大厂，倒是能拿到offer啊？手里一个offer都没有，还在嫌弃小厂这不好那不好，纠结去不去，这不纯纯骑着自行车纠结要不要买宾利吗？先说说我身边两个极端的例子，你们就懂了。我室友，典型的“非大厂不去”，今年暑期实习，从3月到6月，只投大厂，中小厂的offer看都不看，拒了3家杭州本地的小厂，天天在宿舍死磕大厂。结果呢？大厂暑期实习招聘都结束了，他手里还是0offer，秋招简历上一片空白，现在天天焦虑，后悔当初拒了小厂的offer。而我另一个同学，双非...