打算记录一些东西

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...

正式进入AI Coding时代了  

有没有牛友跟我一样？春招面到现在，仿佛陷入了一个死循环：简历能过，一面能过，一到二面必挂。就像有个魔咒，不管怎么准备，二面永远是我的滑铁卢，面到现在，我都快有二面PTSD了。金三银四快结束了，我前前后后投了200多份简历，进了16家的面试流程，其中12家都挂在了二面，剩下3家挂了一面，1家挂了HR面，至今0offer。身边的同学都陆续上岸了，只有我，还在一轮一轮地面，一轮一轮地挂，而且永远死在同一关，真的太磨心态了。最崩溃的是上周，面阿里本地生活的Java后端岗，一面手撕算法全对，八股答得也很顺，面试官当场就说“一面过了，等二面通知”。我开心了一晚上，熬了通宵准备二面，把项目翻来覆去地梳理，把...