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...

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

上周，我去面试一家AI创业公司的高级后端工程师岗位。前三轮技术面都挺顺利的，项目架构、系统设计、高并发问题……我感觉答得都不错。最后一轮是CTO面，我以为会是一些战略层面的问题。结果他一开口就问："马斯克说2026年底程序员会失业，你怎么看？"我当时就愣住了。说实话，这个问题比任何技术问题都难回答。说"不会失业"，显得盲目乐观；说"会失业"，等于否定自己的职业价值。我深吸一口气，决定说真话。"我觉得马斯克说的有道理，但又不完全对。"CTO挑了挑眉，示意我继续。"说有道理，是因为纯编码工作确实在被AI快速替...