凌晨1点，我睡得迷迷糊糊的，接到一通电话，那边传来一个中年男的声音，他很小心翼翼的问我说，老师能不能帮我解决个问题？我想都没想，直接说都这个点了，早点休息吧。他突然又说，哎，老师，我真的不想熬夜了，明天这个报表，还得用呢，实在不想熬夜了。听到这里我就好奇这得多大的问题，心想这么急，这么晚了既然找到我了，那我就给他做吧，我打开电脑，看到他的文件，我瞬间沉默了，就他这个问题，如果问稍微懂一点的人的话，几分钟就搞定了，他没必要一个人死磕。过了一会我给他解决完问题以后，他跟我说他这个问题从白天上班开始，一直到现在凌晨，快到现在了，没磕出来，中间也不好意思问别人，就把自己逼到这个份上。中年人，我们不会的...

可能是我见识太少了

项目很垃圾就是外卖加点评，想在成都找个中小厂实习（如果能去大厂更好但是我感觉我不行），实习到9月份开学，现在准备开始背八股，力扣刷了20多道，机会大不大？

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...