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...

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下已修改，希望大佬指点一下

最近刷到个牛油的帖子《本科毕业找不到工作，我终于承认：性格才是最大的绊脚石》，看名字也能看出来说的啥，大体想表达的意思就是大部分普本同学因为性格原因在找工作的时候屡屡碰壁。不禁让我有感而发，楼主是个地地道道的山东土狗，在读大学前就没出过我们那个全省top3的贫困小县城，对性格问题那可真是太有发言权了，今天给大家唠一唠我是怎么一路形成内心的自卑与懦弱又是怎么克服的。没捡起来的一元钱小时候家里条件特别差，虽然没到家徒四壁的程度，也是到了一块钱也得算计着花的地步，有次跟老母亲去南城赶集，我坐在自行车后座上，路上看到了闪闪的硬币。我就赶紧喊停车停车，我妈当时觉得赶着去赶集呢，因为集市上的物价会相对便宜...