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...

项目很垃圾就是外卖加点评，想在成都找个中小厂实习（如果能去大厂更好但是我感觉我不行），实习到9月份开学，现在准备开始背八股，力扣刷了20多道，机会大不大？

一段JAVA实习+俩Agent项目，reject打牌😄，准备挑战投所有大厂0面的成就，加油💪，一切都会坏起来的百度简历挂阿里简历挂蚂蚁简历挂美团不想做笔试，反正也是挂携程简历挂滴滴简历挂小红书简历挂米哈游简历挂腾讯简历挂海康威视简历挂快手简历挂吉比特简历挂搜狐简历挂小米简历挂作业帮简历挂安永简历挂OPPO简历挂VIVO简历挂B站简历挂