工程类偏多🏀1. dpo 和 sft 的区别，先 dpo 后 sft 可以么2. 如果把 DPO 用在“第一轮对话”，你会怎么做数据集？prompt、chosen/rejected 你打算怎么来3. 多轮对话的数据分布你会怎么设计：单轮和多轮各占多少，为什么这么配4. 具体到 DPO 数据，多轮样本你会怎么采样/怎么配比（有没有什么坑）5. reward hacking 你怎么看？一般怎么防，怎么兜底⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备，想求职算法岗的同学，需要进行高质量项目辅导，提升面试能力，☎欢迎后台联系。