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...

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

Seed部门实习生！日薪！日薪！是5000.。。我的老天爷我没看错吧。。。人比人真是吓si人😱还是得搞人工智能还是得搞模型开发

家人们谁懂啊， 春招投完简历，就进入了漫长的等待期，连个面试邀约都没有，真的会慌！每天早上一睁眼，先摸手机刷招聘软件，就盼着HR能给个回复，结果每次都是“抱歉，您的XXX不符合本岗位要求”，刷来刷去还是那几个岗位，简历改了八百遍，面试也没个动静。没面试的日子，我真没摆烂！。每天抽1个多小时刷算法题、补知识点，偶尔用AI Coding工具练手，生怕等面试来了，自己啥也不会，掉链子。累了就摆一会儿，下楼散散步，吹吹风。毕竟一直紧绷着，反而容易内耗，不如给自己松松劲，养足精神再准备。身边也有同学跟我一样，投完简历就石沉大海，偶尔吐槽两句，但也没真的放弃，该刷题刷题，该改简历改简历。其实也想通了，没有...