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...

投了很多要么未读，要么已读，要么看了简历之后就没后续了，在想要不要换成一个Agent项目

佬们求助，28小登已经boss上沟通了300了，牛客投了很多也是简历秒挂，想问下大佬们是哪出了问题呀，海投的中小厂，现在还是0面

网友提问：yt大佬你好，我是24届毕业生，双非本211硕。当年毕业选择了出生地的电信市公司，但由于种种原因离职了，现在在华为od干安卓开发。现在一年半了。目前薪资上勉强看的过去，基本月薪是18k，总包税前是差不多30万的样子。准备年中再和leader谈一波涨薪，然后准备跳槽。跳槽的原因很简单就是工资还是相对正编来说太低了。毕竟od不是长久之地，od的涨薪确实是太慢了，没有什么未来，转华为正式员工这两年由于人太多，机会约等于0。导致上限锁死在d5，上限太低。不过od一般来说确实不会被裁，相对正编要稳定点，毕竟是性价比很高的工具人。组里有蛮多比领导呆的久的od老人的。和很多人一样都是我也是被从ja...