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...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

😭这是给挂了吗，都一周了还显示这个。。。。

有没有牛友跟我一样？春招面到现在，仿佛陷入了一个死循环：简历能过，一面能过，一到二面必挂。就像有个魔咒，不管怎么准备，二面永远是我的滑铁卢，面到现在，我都快有二面PTSD了。金三银四快结束了，我前前后后投了200多份简历，进了16家的面试流程，其中12家都挂在了二面，剩下3家挂了一面，1家挂了HR面，至今0offer。身边的同学都陆续上岸了，只有我，还在一轮一轮地面，一轮一轮地挂，而且永远死在同一关，真的太磨心态了。最崩溃的是上周，面阿里本地生活的Java后端岗，一面手撕算法全对，八股答得也很顺，面试官当场就说“一面过了，等二面通知”。我开心了一晚上，熬了通宵准备二面，把项目翻来覆去地梳理，把...