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...

学java第六天，效率太慢了把游戏删了我再玩是sb

排名第一的是"你来一下"。没有任何前缀，没有任何语气，就四个字。不知道是夸你还是骂你，不知道是小事还是出了线上事故，从工位走到会议室这段路能把人心跳加速到180。第二名是"这个需求改一下"，说完已经是下午六点。改一下是多大？不知道。要到什么时候？不知道。能不能准时下班？看这句话出现的时间就知道了。但真正让人腿软的是mentor随口说的那句："这块你来负责吧。"语气很轻，像在说今天天气不错。但实习生听到这句话，当晚基本睡不着——这是信任还是甩锅？搞砸了算谁的？我真的会吗？后来发现，最怕听到的那句话，往往是成长最快的开始。