武汉 云智 地图部门

前言这是我的agent系列文章的第8篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏想象一下，你拥有一匹日行千里的神骏，它力量无穷，速度惊人。但如果直接骑上它去送货，结果很可能是：它跑得飞快，却跑错了方向，或者在半路被路边的野花吸引，完全忘了任务。这匹“神骏”就像今天强大的大语言模型（LLM），而Harness，就是为它量身定制的“缰绳”、“马具”和“导航系统”。简单来说，Harness（驾驭层）是...

双非本大二，简历求拷打。在CSDN上发了20+博客，阅读2.3w。感觉数据有点差有必要写简历上吗

211本+一段大厂实习，清明节开始集中投递暑期，到现在只有腾讯和京东给面，感觉答得挺好的，但是到现在也都还没有反馈，其他的连面都不给，没招了

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...