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...

相信很多人都知道，第一份实习/工作对于日后的发展尤其重要，在职场上接触的第一个 leader，也会对未来的工作思维、工作态度产生重要的影响。因此第一份实习，可不能随便找个兼职糊弄一下就过去了。那么在选择企业实习的时候，我们应该做些什么呢？事实上，博主自己也是最近才找到实习，没有办法以长远的眼光来判断这个实习究竟对自己未来的作用有多大，所以这里仅仅是谈一下我自己所做的一些准备，以及我自己在找实习过程中的感悟和想法。明确你所处的阶段明确你所处的阶段是指，先看看你现在到底是要找暑期实习还是秋招。相信很多要找实习/工作的同学都听说过“金三银四”、“金九银十”这样的词，也有很多人疑惑春招、秋招、暑期实习...