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...

这个叫龙湖数科的是什么78公司啊，前一秒投递完，后一秒我去看投递记录已经挂了。这真的让我感觉很恶心，纯是在戏耍人。

求各位路过的大佬锐评！      

前言上数十年，今年是招聘环境最差的一年，但下数十年，今年有可能是招聘环境最好的一年。——来源秋招中遇到的不知名的某hr找工作本身就是运气+实力，甚至在菜鸡看来运气占比更高，有的时候不要总是怪自己（倒也不是为自己开脱哈），尽人事听天命，不要自己内耗。菜鸡在这里总结一下自己的整个一个找工作情况，一方面是从群众中来到群众中去，感谢找工作的时候中各位大佬们的资料与建议；另一方面是希望能为更多的小伙伴们提供微不足道的帮助。一、楼主自己情况菜鸡自己是来源于东三省某双非大学（排名很低的那种），本硕自动化，硕士研究方向是纯仿真（跟控制和编程无任何关系），无正式实习（导师派出去干过杂活），无高水平期刊论文，无高...