11.10农行河南省分面试

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...

你在leetcode上练的都是死代码能力🤣

学java第六天，效率太慢了把游戏删了我再玩是sb

2026年是 Agent 技术全面落地的一年，身边越来越多的小伙伴开始关注 Agent，想要系统学习，但却卡在了起点：   零基础：面对 AI 圈不断出现的新概念，不知道从哪开始下手；   无实战：看了一堆思维链、自我意识、驾驭工程等的概念，真写代码时还是一头雾水；   文档坑：优质项目多是英文文档，找不到成体系的国内教程。   在 GitHub 上搜 Agent，仓库成百上千，到底哪个才适合新手？别慌，项目贵精不贵多，今天给大家推荐两个 「适合中国宝宝体质」 的硬核开源项目。 一个帮你快速祛魅，看清 Agent 的极简本质；一个带你系统进阶，掌握完整的工程链路。 1. 入门：Learn Cl...