360内推

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...

人生第一次主动投递简历，深受打击总共打招呼120，其中67个未读，34个已读不回，主动涌上来的5个字节和3个华为kpi，婉拒。最后11个投递简历，然后6个已读不回，2个询问实习时间后口头承诺约面，3个要了简历逗逗我然后没看。想问问该怎么办这是正常的嘛4.6。并非没人要，去手子了

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

行业垂直 Agent（差异化优势，简历亮点）推荐 GitHub 项目：Hermes Agent（star 59k+）：带长期记忆的个人 Agent，支持邮件 / 日程 / 信息检索，可二次开发为行业助手。地址：https://github.com/nousresearch/hermesDify（star 12k+）：零代码 AI 工作流，快速搭建垂直 Agent（如教育答疑、电商导购），支持 API 集成。地址：https://github.com/langgenius/difypy-jrag：模块化 Agentic RAG，支持多智能体协作、流式响应，适合进阶开发行业问答 Agent。地址：...