AI

一、中山纬创 C#后端 在厂区 6k 包住四人间上床下桌，食堂有补贴  双休，节假日不调休放假 试用期三个月80%有加班现象，说是一个月到手6k（含加班费），扣五险一金后。二、东金创投 Python后端 深圳 7.5K（大概率） 试用期2个月薪资6500元，  转正后视表现定档D10（A-8000  B-7500  C-7000  D-6500）。转正后会根据考核情况：增加全勤奖、转正两个月后增加餐补。上班时间五天制，9：00-11：30   13：30-18：00。但公司不加班。证券公司，有各种福利之类的，活动很多！三、数字马力 今天刚二面完 java+AI跑池子中 不低于9k 挂！！！四、蚂蚁金服--软通动力外包 Agent方向 不低于9k 组内氛围好，leader会帮助规划学习路线，重要的不是完成需求，而是思考进步。开价10k，不交全额社保可以再拿1320，但加班严重，压力大，还有就是外包懂得都懂三四都在长沙，离家近，偶尔加班，技术可能更强。打算去东金了，因为不加班真的很吸引人，其次就是三四了，毕竟在长沙离我家近，就是不知道这两家二面结果如何。数字码力挂，外包过东金要求这周四到岗，也就是11.27号，很急。中山纬创是26到岗，同样很急---就是这个投票，怎么持续一周啊，我已经火烧眉毛了，毕竟我现在在电子厂担任工艺工程师（计时！！！，一小时11）月休四天，每天12小时，6k左右，到手5k+。基本计时薪资2k，加班薪资2k，绩效考核2k。我来这儿电子厂的话，是我家里面让来的，说熬三五年就可以出头，甚至可以开厂，有可能？而且工位短缺，我没工位，一直在车间，生产组小团体严重，会孤立排挤人，而且与工程部有矛盾，导致我们没工位只能待在车间的新来的工程师，被孤立！！！

🔥 我的专属内推码：NTAWx9Z数字马力「AI Star人才计划」2026届校招已全面开启！面向2025.9-2026.9毕业的计算机/人工智能等专业同学，开放【AI工程研发工程师】岗位，工作地点覆盖郑州/长沙/重庆。加入我们，你能收获：✅ AI全流程实战：参与真实业务系统设计，推动AI技术轻量化落地✅ 定制化成长资源：入职三周脱产集训+海量AI学习资源+专属技术导师带教✅ 优质项目机会：在企业级场景中积累经验，和团队共探AI落地突破官方投递通道：直接访问2026届校招官网链接：https://app.mokahr.com/campus-recruitment/digital-engine/144933?locale=zh-CN进入页面填写简历时，务必补充内推码 NTAWx9Z，快速抢占面试名额！招聘流程已启动：10.24 网申/内推通道开启 → 11月初笔试 → 11月面试 → 11月底发offer → 2026年1月实习一起「热AI不止」，成长为AI多元应用的核心力量！

什么是AI应用开发工程师？在梳理学习路线前，知道什么是AI应用开发工程师，快速建立对岗位的基本认知是非常有必要的。AI应用开发工程师，也可以叫大模型应用开发工程师，主要负责将大模型的能力落地应用到实际产品和业务中。与AI算法岗不同，应用岗更偏向工程实现。AI应用开发岗不只是简单地调用大模型API，而是基于大模型构建一套可运行的系统。随着近年来大模型的火热发展，大模型应用开发岗逐渐成为了热门岗位。岗位职责与招聘要求？我相信大部分人学习AI应用是为了就业。所以在开始学习前，先了解招聘市场对AI应用开发岗的要求，知道我们实际工作中要做什么，需要具备哪些技能，建立起对应的人才画像。我们在学习的时候就可...

bg双飞本，6个月小厂测开实习佬儿，现在十分需要你们的的建议和帮助我目前收到了一份百度测开的实习offer，也收到了一家正式的测试offer薪资1w在深圳，但是那个正式的offer要我在1.5号去提前实习（无法协商），然后实习可以抵试用，试用期6个月所以我现在面临几个选择，一个是接了百度测开实习，然后备战春招，一个是接了正式就这样安稳实习，等转正，还有一个是在正式实习时候也进行春招找到更好的就润求求大家给点建议

室友前几天上午在寝室面试，之前在某大厂实习过，面试官问的他问题好像他答不出来，便偷摸使用了AI软件，在我的视角里还真的挺明显.......等了好久才回答，一回答就和念文章一样，然后就挂了（甚至面试官还有意无意问他是自己回答的么）

腾讯大模型岗位应有尽有，算法，推理，产品，开发，前端，欢迎扫码投递或者发我简历！

大家好，我是小歪，快手主站技术部Java研发工程师，2021校招生，也有幸拿到了快手工程岗的KStar人才计划。那会拿到offer时快手还没上市，正好踩在“窗口期”的尾巴上。校招时一路从B（百度）A（阿里）T（腾讯）T（字节）M（美团）D（滴滴）W（网易）J（京东）K（快手）过关斩将拿到Offer，最后我选择了快手—— 一半因为“拥抱每一种生活”的slogan说到我心里去了，另一半因为福利待遇真的很nice（此处给HR老师比心）。 写这篇帖子，是因为当年我在牛客上受益良多，也想把自己的校招经历、选Offer思路、入职成长，以及近些年AI浪潮下的工程实战体验梳理出来，给正在做选择的同学一个“真实...

▌保姆级教程（务必收藏）✅1、【职业规划】-帮助你定位自己上传简历→输入：【请根据我的经历，给我一些就业岗位方向】这个时候deepseek会根据你的学校专业、实习或者项目，给你一些就业的岗位方向，这样你就可以朝着这些方向去投递简历2、【简历评估】-提升简历过审上传简历→输入：【请根据"岗位" 的要求，结合我的简历，帮我从以下几个方面给出评价和修改建议，以提升我简历在这个岗位上的竞争力1、简历优缺点分析2、简历当前有哪些地方可以提升应聘岗位信息：xxxxxx】3、【简历撰写】-求职意向定制化上传简历→输入：【请根据以下岗位招聘要求，帮我重新解构我的简历，按照【教育背景→实习经历→项目经历→个人评...

一、训练范式与核心技术1. 强化学习主导- DeepSeek-R1基于大规模强化学习（RL）完成后训练，其强化学习训练占比超过95%，甚至存在完全依赖RL的DeepSeek-R1-Zero版本。- 传统指令模型（如文心、ChatGPT O1）则更依赖监督微调（SFT）和人类反馈的强化学习（RLHF）。2. 冷启动与多阶段训练- DeepSeek-R1通过引入高质量“冷启动”数据辅助初始阶段学习，并结合多阶段训练策略（如拒绝采样）提升推理能力。- 而指令模型通常直接从预训练模型通过SFT对齐人类偏好。二、能力与任务适配性1. 复杂推理能力- DeepSeek-R1专门针对数学推导、代码生成、逻辑分析等复杂任务优化，其推理过程中支持自我验证、错误检测及多路径探索。- 指令模型更侧重通用对话和指令理解，在复杂推理任务中表现较弱。2. 生成质量差异- DeepSeek-R1的纯RL版本（R1-Zero）存在生成内容可读性较低的问题，需通过混合训练策略改进，- 而指令模型因依赖SFT数据，输出更符合人类语言习惯。三、架构设计与成本效率1. 优化算法创新- DeepSeek-R1采用Group Relative Policy Optimization（GRPO）等新型RL算法，支持无监督条件下的推理能力进化。- 指令模型通常沿用PPO等传统RLHF算法。2. 成本优势- DeepSeek-R1在同等性能下成本比OpenAI o1系列低30倍，且在数学、代码基准测试中达到甚至超越Claude 3.5 Sonnet等模型。四、应用场景与合规性1. 垂直领域适配- DeepSeek-R1更适用于科研、金融等高精度推理场景，- 而ChatGPT O1等指令模型偏向通用客服、教育等泛化场景。

45min  项目+场景+手撕1.AIGC介绍一下2.多个组件时如何使用骨架屏做优化3.不同组件不同骨架屏怎么快速引入（骨架屏与业务组件解耦，改为工具引入）4.如何在一个地方修改几千个组件都可以使用5.前端使用AI的场景6.根据低代码的经验，如何做一个可以自主思考的AI助手7.实现一个AI助手，前端需要注意哪些方面8.怎么让助手自己思考9.TCP和UDP10.TCP如何保证可靠11.TCP的四次挥手过程手撕：修改下面代码的错误：<script setup lang="ts">import { ref, computed } from 'vue'let status = ref(0.5)const text1 = ref('text1')const text2 = ref('text2')const text = computed(() => {return Math.random() > status.value? text1.value : text2.value;})const toggleStatus = () => {status.value = 1;text2.value = 'text2 changed'}</script><template><div><p>computed Text:{{ text }}</p><button @click="toggleStatus">Toggle status</button></div></template>

大佬们，我目前双非计算机大四，有一段六个月小厂软测实习，从十月到现在投了四五百份简历，面试了五家公司，有四家是一面挂，还有一家是二面挂的，目前0offer，个人感觉就是基础不行，实习经历太少了，没有完整参与项目流程，目前有个南京公司要去实习软测，五个人竞争一个hc现在有个情况，我在想要不要去马来西亚qs前两百的大学读个硕士，资金问题不用考虑，因为我个人觉得AI现在快速发展，软测岗位越来越少，行业天花板普通人难以达到，而且被裁员风险还大，所以想着去留学提升一下学历，然后想转到产品经理或者其他方向都可以，然后刷个两三段实习经历，将来努力进个大厂，所以想看看各位大佬的建议

目前在做 Java 后端，如果秋招想转大模型应用开发的话，请问该怎么准备呢？优先主攻大模型，还是先继续深入学习 Java（目前在实习，学大模型的时间也不多）？前景如何呢（主要薪资方面相比同体量公司的 Java 岗）？小白求教，谢谢各位佬。