Machine Learning、Date Mining、IR&NLP 会议期刊论文推荐

今天刷到一个帖子，大一新生问怎么进大厂，底下的回答全是“现在就要开始卷实习了” “ACM金牌是必须的” “项目经历不能少”。 我差点没蚌住。 啥时候大一起跑线就画到这儿了？我大一的时候，还在研究怎么翘掉晚自习。 没错，就是去社团工位上摸鱼。 我当初进那个融媒体社团，面试就是个巨大的草台班子。我说我以前在破站做UP主，有个几千粉丝，学长就点点头，“噢，挺好的，录了。” 就这么简单。 进去之后呢？学长扔下一句“软件自己回去装，教程自己找”，就结束了。我当时就悟了：大学=自学，完美的诠释。 这绝对是我大学第一课。 不过，社团也不是一无是处，它给我最大的好处就是——一个合法逃掉晚自习的工位。高中的晚自...

27 届想找暑期实习，没有约面，求简历锐评

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。

第一部分：Prompt 工程 一、调优哲学（五条优先级原则） 在动手改任何 prompt 之前，先用这五条原则做方向判断： 聚焦优先于全面。 先保证主任务稳定完成，再补充细节。一个能把核心事情做对的 prompt，比一个面面俱到但哪个都不太稳的 prompt 有价值得多。 场景优先于通用。 不同场景的必要字段不同，不能机械套模板。先问自己：这个场景里，什么字段缺了会让结果失真？先保这些，再优化其他。 结构优先于辞藻。 清晰的模块化结构比"高级角色设定""华丽描述"更有用。模型不需要你用精美的语言描述任务，它需要你把任务说清楚。 定性优先于精算。 LLM ...