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...

论文马上送审了，无意间在小程序上再次看见了自己的高考成绩，发现高考已经过去快10年了。一起参加高考的同学现在只有几个还在继续深造，有时候真的会畅想选择了另一条路的自己会是怎样。

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

我现在的处境真是进退两难啊，一心死磕大厂实习，投了快十家，笔试挂了一半，面试也没下文，真的要emo了。身边有同学劝我，实在不行就去小厂过渡，可我是真不甘心啊！总觉得小厂的平台不够大，学不到东西，而且怕刚接了小厂的offer，大厂的面试通知就来了，到时候骑虎难下，两边都耽误。每天都在纠结，一边是死磕大厂的遥遥无期，一边是小厂的纠结犹豫。看着别人要么拿到大厂实习，要么安心去小厂，就我卡在中间，不上不下。也知道自己有点钻牛角尖，小厂未必就不好，可能反而能接触到核心业务，比在大厂做边缘打杂强，但心里就是过不了那道坎，总觉得“没进大厂，就是输了”。有没有跟我一样的牛友？一心死磕大厂，却屡屡碰壁，面对小厂...