题解 | #得分不小于平均分的最低分#

嵌入式到底要不要刷算法题，我面了 20 多家之后的结论是：大厂要刷，而且不能完全不刷。小公司不用在算法题上投入太多时间，性价比很低。一开始我对这个问题也很纠结。因为嵌入式岗位的核心明明是硬件基础、单片机、RTOS、通信协议、项目经验，为什么面试里还会出现链表、二叉树、动态规划？后来面得多了，我慢慢发现：算法题在嵌入式面试里，不是为了考你会不会“做 LeetCode”，而是面试官用来快速判断你的基础能力和筛选效率。真正的问题从来不是“嵌入式岗该不该刷算法”，而是：你投的公司层级不同，算法题的重要性完全不一样。一、算法题在嵌入式面试里的真实定位面试官用算法题，通常在判断三件事：你是否具备基本的数据...

27届投递的大厂暑期，目前一个约面都没，做了测评后都在泡池子。。有什么可以改进的吗，求各位佬锐评。

从2月初到现在boss两个号一起投账号1:沟通6591次，投递301份账号2:沟通4870次，投递169份网申没做具体统计投了可能200多家，线下双选会也有在参加估计投了70份左右而最终只有13场面试以及两个小厂offer，这个简历后面还有机会吗

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...