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...

学院本进不了开发岗吗

我的基本条件：26四非物联网工程专业快毕业，现在是考研上岸了某9（两年制），现在Java只会最基础的东西（只会写题的程度），物联网方面的比较了解（做了智能家居以及边缘ai的项目类似的项目），但是找的导师不是物联网方向的（cv和llm），python只会一些基础（正在用python写leetcode补下代码能力），现在很迷茫，不知道就业市场有哪些岗位适合现在的我，感觉我的生涯路线目前比较乱。然后由于研究生时两年制的，所以我想趁现在有空窗期补补技术，到时候好找实习。求大佬指点方向（目前不知道有哪些主流方向）给点建议，感激不尽啊，下面是做过的一些项目。