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...

投了很多，一直没能进面

投了很多要么未读，要么已读，要么看了简历之后就没后续了，在想要不要换成一个Agent项目

L1-1 一行代码 题意：签到（请输出文本） print("Building the Future, One Line of Code at a Time.")  L1-2 要刷多少题 题意：输出  n=int(input()) print(n*15)  L1-3 就挺突然的 题意：给定两个年份  和年份 ，先计算  并输出，再根据其是否 、 或在  之间分别输出对应提示语。 void solve(){ int a,b;cin>>a>>b; int d=b-a; cout<<d<<endl; if(d<=0){ cout...