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...

2年了

网友提问：本科双非一本非计算机专业，研究生跨专业考的西电计算机专业，硕士期间自学了java ，没有很努力，也没实习。校招那会儿也并没有上心，24年6月毕业后凭借学历进入了某大型互联网国企，薪资过万但偏低，由于低代码的模式和职业前景的考虑，半年后就裸辞了，后来2025这一年就躺平了。25年底自己开发了一个微服务的网站，部署上线了，没有用户，但也学会了一些基本的开发技能。现在3月份开始找工作，很多介意空窗期的，最近一个周也有一些公司叫去面试就没下文了，估计是怕不稳定被当跳板吧。然后现在收到一个二线城市互联网企业的offer ，有融资，公司500多人，开价和之前国企一样的薪资，现在就在犹豫要不要去，...