同花顺

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...

二本的结局就是铁人三项嘛

刷到这个话题，我脚趾已经开始抠地了。作为双非计算机本科，今年杭州春招，我靠一句心虚的「精通Java并发编程，深入理解JVM底层原理」，差点把自己的面试路直接走死，社死到现在想起来都想连夜逃离互联网行业。先说说我为什么敢写这句话。春招最开始，我投出去的简历石沉大海，看着身边同学都拿到了面试邀请，我急得不行。听网上说，简历要敢写，「熟练」改「精通」，「参与」改「主导」，才能被HR捞到。那时候我刚背完JVM和Java并发的八股文，什么synchronized锁升级、volatile原理、JVM内存结构、垃圾回收器，背得滚瓜烂熟。我脑子一热，就在简历的核心技能里，写下了那句让我社死的话：精通Java并...