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...

这个岗是不是无了呀，怎么一直卡着😢😢引流：腾讯、字节、阿里、拼多多、小红书、滴滴、小米、华为

继上次三方毁约后，又拿到了腾讯社招offer

25届毕业，211硕，毕业之后在TCL工作了3个月，担任音频开发工程师，之后考公去了，下岸了，有没有友友能内推一下呀，找不到工作，快要焦虑死了。