中华财险前端

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...

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

27届民办学院本找java实习，ssob投了大概1000份只有一个面试，4.1开始投递的，现在感觉也没什么岗位了，最近特别的焦虑，每天就是看有没有人回复我的简历，感觉现在找不到实习就完蛋了，没有了一开始学习java的动力和热情了，我记得最初的我是一个很乐观的人，为什么会这样呢？附简历

最近了解到工作流这个概念 请问大佬们要怎么学啊 完全找不到资源啊 有的flowable课程又太长了 工作流真的有这么多内容吗 求指点 谢谢大佬们