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...

boss打招呼了快500，简历投了40多份，结果到现在就只有一个外包和一个几十人小厂约面，大部分都是已读不回，或者要了简历就没下文了。不知道是我的简历写的有问题还是打招呼的方式不对，又或者学历的问题，真不知道该咋办了 …………

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

技术最强的不一定混得好。见过算法竞赛金牌选手，进了大厂反而边缘化，因为他只会写代码，开会一言不发，需求理解总跑偏，项目推进靠别人。真正在大厂混得如鱼得水的，往往是这几类人：第一种是"向上管理"高手，知道领导想要什么，汇报简洁漂亮，让领导省心。第二种是"推进派"，跨部门协作不怵，催人不得罪人，项目从不烂尾。第三种是"抗压机器"，绩效考核、周报日报、OKR、各种评审，流程多到怀疑人生，但他们处理得游刃有余。反过来说，最不适合大厂的是什么人？是那种想法多、不服管、喜欢从零构建、受不了流程的人。这种人去大厂会很痛苦，但去创业公司可能是核心骨干...