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...

是简历有什么问题吗，求大佬指点要玉玉了

作为HR，你能分辨出面试者（候选人）是不是“有毒”人格？这里先说下什么是有毒人格，统指为性格具有重大缺陷的人格类型，一旦招进来这种人，基本上就是公司的灾难....轻则损失成本，重则打散团队.....作为HR我们应该如何去分辨面试者是不是有毒，说实话靠面试很难100%的过滤掉，我通常选择在线测评来辅助，最常用的：艾森克人格测试，有时候不得不动用mmpi量表.....好吧，下面我说说我的一些经验，因为本文主要是说面试，我就以面试的情境去分析。在线人才测评系统、人才测评工具，小猫测试网 www，xmcs，cn1. 甩锅型人格凡是面试人说前公司全是垃圾、领导傻、同事坑、客户奇葩，自己永远没错，离职全是...