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...

0offer0约面  

想问下agent项目和简历应该怎么优化

1. 先做一个自我介绍吧，重点讲讲你的学校经历、实习经历，以及你认为最能体现你能力的一段经历参考答案：我会先简要介绍自己的专业背景、技术方向和目前主要在做的事情。然后重点讲学校里做过的项目、竞赛或者实验室经历，说明自己不是只停留在课程层面。如果有实习经历，我会突出实习中接触到的真实业务场景和我承担的具体工作。我会挑一段最能体现自己能力的经历展开，比如独立完成模块开发、定位复杂问题或者推动优化落地。表达时会尽量讲“我做了什么、为什么这么做、结果怎么样”。最后会把这些经历和嵌入式岗位要求关联起来，体现匹配度。2. 你之前的实习主要做了什么？有没有一件事情是你从不会到能独立负责的？参考答案：我会先介...