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...

发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，发邮箱让参加宣讲会，说参加完后就给安排面试。技术岗上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别。———4.21更新贵公司的高级员工您来私信骂我也没用哈，风评不好谁的问题谁自己心里清楚，有这时间建议提升自己，完善公司制度，而不是来骂我这个连入场券都没有的破学院本

哎，不知道要什么简历才能得到一个面试😭

最近也是很依旧倒霉，求职到处碰壁和失败，最终病急乱投医选了一家，明知有坑，但依然往里面栽进去，没想到越栽越深，以至于我没有办法承受这样最终的结果。 在与HR的沟通当中，我已多次确认办公地点是否在A点，后续是否会涉及出差或地点变动类似的调整，她的回答是"都是在那边，基本没有出差"，所有入职流程办完之后，到岗当天PM告诉我，后续每天的工作都会在B点进行，而我完全不知道这一回事，HR反馈的信息全是错误的，我租的房子离A大概3-4公里左右，而且城市地铁也不像广深这么发达，出行完全只能靠电动车和汽车，巴士也是少得可怜，原本接受的通勤时间是在40分钟以内，现在直接变成了来回走完，需要整...