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...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

还在简历上写“了解RAG原理”吗？今天推荐一个能让你真正做出一个完整RAG产品的硬核项目——rag-web-ui。https://github.com/rag-web-ui/rag-web-ui它不是一个教程，而是一个功能完整的智能问答系统，拥有漂亮的前端界面、完整的后端服务和数据库。把它复现一遍，你的简历和面试能力能提升一个档次。📌 这个项目是什么？rag-web-ui 是一个基于RAG（检索增强生成）技术的智能对话系统。简单说，你可以上传自己的文档（PDF、Word等），然后它会像一个懂这些内容的专家一样，回答你的问题，并告诉你答案来自文档的哪里。项目地址：https://github....