题解 | #用两个栈实现队列#

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...

真的没法子了，彻底绝望了😑😑😑

3月份找暑期实习到现在，没有公司愿意给我面试，我大概投了二十多家，是不是投的还是太少了。

大家好，我是@程序员花海，我看过太多同学的 AI Agent 项目简历，写出来的亮点全是这样的：做了一个 AI Agent 智能助手，集成了大模型、RAG 知识库、MCP 工具调用，实现了自动对话、推文发布、通知推送等功能，提升了效率。这种写法，在大厂面试官眼里，等于没写。很多同学做 AI Agent 项目时，技术栈堆得很满，MCP、RAG、规则树、策略模式、Spring 动态注入、大模型调度…… 看上去非常唬人，可一写到简历上，面试官扫一眼就划走了。问题根本不在你没做东西，而在你没把项目讲清楚。比如看这份简历，表面上用到了各种 AI 相关技术，组件也列得很全，但仔细一琢磨，整体更像是把市面上...