百度Andorid实习内推

他说他最怕听到的是mentor跟他说："你挺适合做这行的。"不是批评，不是否定，是这句听起来像夸奖的话。因为每次听到这句，他就会多想：适合是什么意思？是真的觉得我不错，还是在安慰我？我交出去的那个东西，他是真的满意还是凑合用了？实习结束会不会留我？我是不是真的有这个能力？一句话能让他反复想三天。我后来发现，实习生最怕的往往不是被骂，被骂至少知道哪里错了，改就行。最怕的是那种模糊的、善意的、说不清好坏的反馈。让你既不能放心，也不能死心，就悬在那里。实习的时候太想证明自己了，所以对每一句话都过度解读。mentor随口一句"嗯还不错"，能高兴半天。随口一句&q...

三月中旬开始陆陆续续投了几十家，记录了一下情况，BOSS上也问了几百家，大部分没回或者根本未读面试只有寥寥几个，发笔试的更是一个都没通过(至今没敢做美团笔试，pdd听说笔试难更是没敢投)部分企业直接简历挂(快手挂了五次)，甚至有点还在流程里出去一看岗位都没了(比如小米滴滴，前者还好直接流程结束了，滴滴硬是卡在那取消也取消不了，别的也投不了)大部分还是投了泡池子毫无推进网上都说今年暑期难得多，是我信息茧房了还是客观如此，或者我太菜了吗本人有三段小厂实习，其中两个规模不大的小公司做业务，一个几百人的数据库公司做的是数据库跟中间件，偶尔有几个面试也都感觉回答不上，除非像我主页京东一面那种项目引个头问八股的，不然问点场景题或者拷打实习产出与项目亮点，都感觉束手无策，想多面试攒经验吧偏偏连面试都接不到几个难道只能等六月份投日常了吗，中厂暑期感觉都希望不大了，面试基本全是bat京东给的，中厂一点面试不给，鱼鱼了

绷不住了

Q1：大模型（LLMs）具有什么优缺点？答案：优点：可以利用大量的无标注数据来训练一个通用的模型，然后再用少量的有标注数据来微调模型，以适应特定的任务。这种预训练和微调的方法可以减少数据标注的成本和时间，提高模型的泛化能力；可以利用生成式人工智能技术来产生新颖和有价值的内容，例如图像、文本、音乐等。这种生成能力可以帮助用户在创意、娱乐、教育等领域获得更好的体验和效果；可以利用涌现能力（Emergent Capabilities）来完成一些之前无法完成或者很难完成的任务，例如数学应用题、常识推理、符号操作等。这种涌现能力可以反映模型的智能水平和推理能力。缺点：需要消耗大量的计算资源和存储资源来训...