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...

这个世界太疯狂了

事情是这样的，其实在春招刚开始的时候，也就是3月1号，我就开始投简历了，然后呢当时都问了什么时候能到岗，我就去问班主任能不能出去实习去，班主任说不可以，于是我就推掉了。但是后来就觉得不能坐以待毙，不然秋招就完蛋了，于是经过一个多月的沉淀我又开始投简历了，也是成功的拿到了offer，然后跟上课老师沟通后有的允许了，但是有个老师说让班主任找他说，然后我就跟班主任说你跟老师说一下，然后班主任让我请假，我就去找辅导员准备请假，但是根本请不了两个月的假，辅导员是准备给我请两天假装装样子的，后面班主任又给我发消息说明天（就是今天）早上找她办手续，我以为班主任准备给我请假呢，然后我今天就去了，（昨天以经买好...