测评

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...

，有没有什么老主神学，祝我一臂之力

最近遇到一位朋友的困扰：“我做了不少Claude技能和Agent，甚至已经有其他人在用了。但我不知道怎么把这些能力展示给面试官。”仔细想想，这其实是个“好问题”——因为大多数人还在“学习AI”的阶段，而你已经真正做出了东西。下面整理了一些切实可行的建议，希望能帮到有同样困惑的你。📊 第一招：用“结果”说话，而不是用“技术”说话这是最重要的一条建议。招聘方其实并不最在意你用的是Claude还是GPT，或者你的Agent用了什么酷炫的架构。他们真正关心的是：你的项目带来了什么结果？所以，不要这样说：❌ “我开发了一个基于Claude的多轮对话Agent，使用了ReAct模式，支持工具调用……”而...