滴滴三面结束，许愿offer

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...

29届学院本，想找暑假实习。java真的不能去搞agent吗

四段实习经历，三段大厂。。春招至今0面试。。。受到好大的打击啊

刚面完嵌入式音视频岗的两轮技术面，趁着印象还新鲜赶紧整理出来发上来。一面（约 60 min）一面节奏挺快的，面试官人还可以但是不放水，基本就是对着提纲一道一道往下问，C++、算法、系统三块轮着来，答完一题直接下一题，有几道会顺着追问细节。题目如下：JNI 中 LocalRef 和 GlobalRef 的生命周期管理差异？C++17 的 std::optional 解决了哪些痛点？std::function 和函数指针的性能差异及原因？红黑树插入节点时的旋转规则是什么？如何用最小堆实现 TopK 算法？时间复杂度是多少？海量数据去重（100 亿级别）的三种实现方案？内存泄漏的检测手段（如 Val...