小米内推

实习期间参与的项目，聚焦于合同审核场景，本文以合同审核为例，针对在垂直落地场景中，为什么需要做sft微调展开简单的讨论和个人的一点见解。 传统合同审核系统依赖规则编写和关键词匹配，局限性突出： 一是规则需人工逐条维护，新增合同类型（如技术许可合同）时，需重新梳理数百条规则，迭代效率极低； 二是无法处理模糊表述，如“合理期限内整改”“适当补偿”等条款，关键词匹配会直接漏判； 三是不具备推理能力，无法关联多条款风险，如管辖地与争议解决方式的逻辑冲突。二、为什么需要SFT——教模型学会“思维”对合同审核场景而言，基座模型就像刚掌握法律基础的实习生，懂术语但不懂业务判断，SFT本质就是用高质量业务数据...

投沟通了120家，给了12份简历，0面试，已经四天了，到底还有没有机会？还是现在岗位少，我听说寒假实习岗位挺多的，下面是简历，求大佬内推和指点，或者推荐一下哪个地方，或者公司好就业

题干解析 题设给予我们一个数组，要求我们进行判定所给数组能够拆分为两个总和一致的数组。 算法思路 首先大前提，我们必须知道这个数组所有值的总和，记作sum，当且仅当sum是个偶数时我们才可能将数组拆分为两个等和子集。 同时我们转化问题为，在数组中选择一定数量的元素，使这些元素的总和大小为。于是我们将问题转化为0/1背包问题。设定状态值为dp[i][j]表示使用前i个元素能否填满大小为j的背包。 于是我们有状态转移方程：  设定初始值dp[0][0] = true;开始DP计算即可。 同时由于DP过程状态转移方程只涉及i与i-1，因此可进行滚动优化内存。 实现代码 class Solution ...