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...

三战鹅厂才走到这，这是在横向吗可以发邮件催一下吗

从2月初到现在boss两个号一起投账号1:沟通6591次，投递301份账号2:沟通4870次，投递169份网申没做具体统计投了可能200多家，线下双选会也有在参加估计投了70份左右而最终只有13场面试以及两个小厂offer，这个简历后面还有机会吗

虽然JD工作强度很高，但是薪资给的还是很好的，给的是行业内数一数二的实习薪资，一天下来还有餐补，一个月还有1500的房补，最重要的是JD在北京是在通州区，郊区的租房比海淀区方便多了。