【一面凉经】字节跳动 音视频编解码

最近一直在搞具身智能、跑 FastWAM 相关的东西，经常看到有人在群里、论坛上问 Hermes 和 OpenClaw 有啥不一样，以后谁更有前途。 这俩看着都是 AI 智能体，好像功能差不多，其实完全不是一个路子。现在还能放在一起对比，再过一段时间，基本就是两条完全分开的赛道，最后甚至不是竞争关系，而是互补。 先一句话说透核心区别： Hermes 是走深度、走自进化的，越用越强，更像一个能自己成长的大脑； OpenClaw 是走广度、走生态的，开箱即用，覆盖场景多，更像一个万能工具人。 先说说最本质的差别 Hermes 强在学习能力和自进化。你给它任务，它不是做完就忘，而是会总结、会沉淀、会...

大学前两年天天玩，高数还挂了，从去年9月份到现在一直在学Java，今天把简历做出来了，项目学了很多，但是有些部分是只过了一遍，挑了几个放简历上了，要应付面试的话还得好好准备第一个问题，这个简历，大佬们有什么修改建议吗第二个问题因为我们学校5月份有个学校安排的实习，具体好像是硬件方面的，感觉很水，我自己想申请自主实习，现在是准备面试到什么时候开始投递呢第三个问题我们后端开发如果想去央国企的话是不是都要求硕士啊，然后央国企有什么需要特别准备的吗，跟私企的招聘有什么区别感谢各位大佬，祝大家都天天开心，发大财

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...