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...

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

幸亏看到这个帖子

帮客户做付款单时，他累到眼睛都睁不开，让我直接按他给的数据做，做完发他就行。因为使用数据前习惯性核对数据是否准确，数据不准确结果不会对，我就习惯性复核了一遍，发现小数点右移了一下，按这个数据付款会多付近十万。我立刻跟他确认，默默帮他修正所有错误，全程没提额外费用，只让他安心休息。他只说了声谢谢，我也没放在心上。直到后来看到直播间礼物刷屏，心里又暖又不好意思，这还是第一次帮了别人，别人不是口头意思一下就过了。其实很多时候多看一眼只是职业习惯罢了，不过是让自己多一份安心、别人多一份放心。这份被信任的踏实感，真的好暖，也让我坚信，靠谱和责任，才是走得远的底气。