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...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

适合大厂的人有个共同特点：能在规则里找到舒适感。大厂流程多、分工细、层级明确，你可能一年就负责一个模块，但这个模块你能做到极致。喜欢稳定、在意平台背书、能扛绩效考核压力、善于向上管理的人，大厂会如鱼得水。见过很多人在大厂混了五年，简历光鲜、福利好、技术栈规范，跳槽时特别好用。适合小厂的人反过来：受不了流程、喜欢什么都插一手、想看到自己做的东西直接影响结果。小厂一个人干三个人的活，今天写代码明天对接客户，成长确实快，但也累。最适合小厂的是那种有点创业心态、不需要太多外部认可、自驱力强的人。见过有人在小厂两年，技术广度吊打大厂同龄人，因为什么都得自己搞定。但最怕两种错位：有大厂心态去小厂，天天觉得...