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...

还能这样？直接把面试取消了。为啥呀

吓哭了，明天被面试塞满了

两个模型现在能力其实很接近，但方向不一样。Claude更适合规划阶段，架构推理稳，给它一个复杂需求它会先帮你把思路拆清楚再动手，不容易跑偏。GPT-5.4则相反，它把推理和编码能力合并了，适合快速出原型，需要电脑操控类任务也比Claude强。学Agent的话，我建议Claude先入手。原因是Claude的tool calling设计得很干净，你能清楚地看到模型是怎么决定"什么时候调用什么工具"的，这是Agent最核心的逻辑。用GPT感觉更黑盒，新手容易不知道哪里出了问题。Claude Code现在在开发者圈口碑很好，自主执行复杂任务的能力很稳。但GPT也有不能忽视的地方。想...