中国银行实习

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...

吓哭了，明天被面试塞满了

海投了五六百份了，都没有回信，全都已读不回，没有约面，小厂实习也没有几个回的，211本这个简历很差吗，是不是再快速补一个agent项目，再补点agent知识，往agent开发那里靠靠，面试才会多一点？求大佬指点引流：腾讯，阿里，字节，pdd，米哈游

背景最近有同学在问，当前在AI大环境下大家在开发中如何提效，实现最大化摸鱼，写好SKILL，实现快速复用，配合Open Claw达到最佳效果，我们分为备菜（需要你有架构思维想到怎么准备）->炒菜（让ai给你写好SKILL及优化）->装盘（发布到Skill市场实现复用），大家在做饭时候其实最难的部分不是炒菜而是备菜，因此这里就需要你的经验架构，如果没有经验架构问题也不大，多花token让ai给你一步步确认。Skill介绍什么是 Skill？Skill 是 CC（克劳德code，为了过平台风控没办法只能这样，真的服了） 中的打包式专业知识模块，包含工作流程、参考资料和最佳实践。本质上是...