人保信息科技体检

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...

还能这样？直接把面试取消了。为啥呀

打开GitHub搜“AI应用”，跳出来的结果是不是都差不多？又一个RAG知识库问答 📚又一个ChatGPT套壳网站 💬又一个LangChain文档加载器 🔧代码换了个写法，README换了个排版，但内核一模一样。更扎心的是：你跟着教程吭哧吭哧做出来的东西，和另外100个求职者简历上写的，几乎没有区别。面试官看多了，审美疲劳 😮‍💨 你也知道这项目拿不出手，但不知道该做什么、能做什么。🤔 为什么市面上的项目都“长一个样”？因为教程教的，都是“标准答案”。教程教你搭RAG → 大家都用LangChain + Chroma + OpenAI教程教你做Agent → 大家都用ReAct模式...