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...

学院本进不了开发岗吗

🤡😭      

想入门AI、丰富简历，却不知道做什么项目，要么太复杂做不出来，要么太简单没含金量，白浪费时间，总结了几个高性价比AI项目，新手也能上手，往下看吧。首推！ 智能推荐Agent ，网友公认最值得做的入门项目，难度适中、实用性强，还能贴合多岗位需求。不用复杂的技术栈，基于LLM+LangChain就能搭建，核心是实现“用户需求分析→精准推荐→反馈优化”的闭环，比如做一个职场学习资源推荐Agent，输入岗位和学习目标，就能自动推荐对应资料、课程，还能根据反馈调整推荐方向。重点是，这个项目能体现你的AI逻辑思维和工具使用能力，写在简历上也能量化成果，比如“搭建职场学习推荐Agent，优化推荐算法，准确率...