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...

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

从乡村泥土路到211校园，从懵懂迷茫到目标坚定，你的成长之路，藏着每一步的挣扎与坚持、选择与蜕变。风起于青平之末 浪沉于波澜之间，那些看似平凡的过往，那些咬牙坚持的瞬间，终会拼凑成照亮前路的光。 从小你就习惯了独立，小学每天往返8公里上学，初中独自离家30公里住校，早已学会了自己照顾自己。 高中：低谷蓄力，逆风翻盘 高一高二的你，始终保持着认真听课的态度，没有太多杂念，只是单纯地做好自己该做的事，为未来积蓄力量。那时的你，还不懂什么是挫折，也未曾想过，高三会迎来一场足以击垮心态的考验。 高三，是你人生中的至暗时刻。一模物理成绩出来，仅有 16 分，距离高考仅剩几个月，巨大的落差让你陷入绝望，心...