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...

大佬们看看，想找第一份Java实习，这份简历有什么问题需要修改的，背景双非本

boss打招呼了快500，简历投了40多份，结果到现在就只有一个外包和一个几十人小厂约面，大部分都是已读不回，或者要了简历就没下文了。不知道是我的简历写的有问题还是打招呼的方式不对，又或者学历的问题，真不知道该咋办了 …………

三月的时候焦虑到睡不好。四月底了，还没拿到满意的offer，但心态好很多了。说说中间发生了什么，给还在等消息的同学参考一下。 【为什么三月那么焦虑】我三月初投了十几家，精投，认真看JD，以为质量比数量重要。结果投出去大半石沉大海，一面约来的很少，身边朋友陆续有消息了，我连一面邀约都没几个。那段时间真的很差，每天刷招聘软件，刷到凌晨，睡不着。【转折点】一个学长告诉我：数量不够。前端行情这几年不好，一定要投够数量，不能精投。三月底我用网申助手批量补投了三十家（填表一下午就搞定了，省去手动输入），开始陆续有一面约来。最后offer里有两个就是这批投的。数量是我三月最大的问题。【心态为什么平了】一是投...