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...

恐怖如斯

给点建议吧，找不到实习了😭  

针对自己的复习资料以后应该会修改,精进文章目录<1>二级指针<2>指针数组<3>字符指针变量<4>数组指针变量<5>二维数组传参的本质<6>函数指针变量  a.关键字typedef<1>二级指针通俗的来说,就是存储(一级)指针变量的地址以图来理解 <2>指针数组本质就是存储指针的数组,可以进行类比,列如字符数组 是存放字符的数组以图来理解arr1,arr2,arr3都是其数组首个元素的地址注意:上述的代码模拟出⼆维数组的效果，实际上并⾮完全是⼆维数组，因为每⼀⾏并⾮是连续的<3>字符指针...