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...

为啥都没人鸟我哇各位大佬帮忙看看简历

想问下agent项目和简历应该怎么优化

先交代背景：双非院校，非科班。无大厂实习，没有顶会论文。秋招时拿到了一家互联网公司AI应用开发的offer。回过头看，我能从前几轮面试中突围出来，最大的筹码就是我亲手做出来的那个AI项目。我把我做这个项目的完整思路和心法分享给大家，希望对牛友们有所帮助。一、我靠它突围的那类项目长什么样先说说我选的这类项目有什么特征——它不是一个具体的项目，而是一类具备“面试穿透力”的项目模板。它具备这四个特征：真实问题 + 落地闭环 + 技术亮点 + 量化结果。我再具体展开一下这四个特征。1. 做真实场景的小应用——不要做空中楼阁面试官一天的面试会听无数个“我开发了一个系统用于……”，而你的项目一旦让他觉得“...