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...

简历完全过不了啊😢是院校的问题吗

何意味😄

现在找工作，不管是后端、算法还是运营，简历上不写点AI能力都不好意思投，但很多人写得太笼统，要么是“会用AI工具”，要么是“熟悉AI相关技术”，等于白写，HR根本不看！翻了一圈网友分享的干货，总结了几个实测有用的技巧。首先，千万别写空话！网友都在吐槽，“熟悉LLM、会用LangChain”这种话，等于没说，HR每天看几百份简历，根本没耐心猜你的能力。正确的写法是：问题→方案→结果，还要加可量化指标。比如你做过AI相关项目，别写“用AI做了知识库问答系统”，要写“利用RAG技术+LangChain搭建行业知识库问答系统，解决业务咨询效率低的问题，将咨询响应时间缩短60%，减少人工回复工作量30%...