同程内推

开发你的agent的时候，用的是什么流程？为什么用这个流程？ 用的是React流程：先推理->调用工具执行->观察 循环迭代知道任务全部完成 适合工具调用场景：ReAct 的流程天然适合工具调用，因为每一步都可以根据上一步的观察结果决定下一步做什么。 可解释性比较强：ReAct 的执行轨迹通常比较清楚 容错能力更好：如果工具返回失败、结果不完整，ReAct 可以继续调整策略 模型和 Agent 的区别是什么？ 模型只负责输出，不能自主感知、自主决策、自主执行，而Agent可以自主感知、自主决策、自主执行 自主感知：环境输入获取能力 自主决策：基于当前状态选择下一步做什么 自主执行：...

周一入职培训，下午按照部门经理发的文档学习了一下午。第二天去部门上，客开得去部门上，按mentor的要求读文档看学习资料。第三天，因为通勤时间很长，休息一天，然后hr直接说不合适，走离职流程。工资也不准备发，后面还是争取到了，总之避雷。合同上说是一周至少三天。

有没有大佬帮忙看看，这个简历能找到工作吗（没有实习经历），进大厂够不，每天都刷程序员被ai替代，焦虑的不行了...

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...