秋招大结局来啦

你可以建造自己的塔,创造一个没有邪恶的地方,
一个充满富足,和平与美丽的世界
					--宫崎骏《你想活出怎么的人生》

bg双9机械,课题组传统力学方向,无论文无项目,两段自驾实习。我原本不会想到我会十二月才把三方寄出去,算上暑期实习,这场春天到深秋的秋招,持续了半年多才结束。回想起一路的历程,心态比较好再加上期望没有那么高,还是算比较满意的秋招吧。

二十二

"他常会想要能回到那年他一十二,只需要好好上学生活单纯没忧愁",不说回到十年前,回到二十一,可能我也是这样的状态,不知道leetcode刷题,不知道牛客,不知道未来要干什么,跟风考研,所幸考上了喜欢的城市的学校。第一天来到课题组,师兄说去年师兄都是去了腾讯、蚂蚁、华为这些大厂,工资对比机械专业来说简直是天上地下。课题组在过去几年如流水线般的输送程序员---转码三个月,找个大厂实习,秋招无忧。我蠢蠢欲动,但是后来现实告诉我,疯狂的不是互联网,而是疯狂的二十二,那是我的二十二岁,还有22届的互联网最后的狂欢

启航

可能很多人经常在牛客上看我分享各种自动驾驶的凉经,万恶之源就是坐了当时的萝卜快跑,当即决定干自动驾驶。当时的百度,拥有中国最大规模的robotaxi车队,集度第一辆车也正蓄势待发,可谓如日中天,各种自动驾驶公司也可以凭着一手好故事随随便便拉来融资。由于没有编程基础,整个研一都在学语法,学深度学习,刷力扣中度过。第一份算法的实习是在蔚来,当时随便在boss上面投递了简历,过了两个月才被hr打电话约面,"就在学校旁边,很近的",我说了很多次觉得自己的能力还不够,但是hr还是一直希望我能面面,最终也是运气很好,凭借着研二长期打工牛马的身份,侥幸来到了蔚来。

黑暗降至

拿到这份实习真的是诚惶诚恐,感觉自己的代码水平比起科班来说太差了,面对各种开发工具和git像个傻子一样。感谢我mentor对菜的抠脚的我那么宽容,手把手教我用git,手把手教我debug,手把手告诉我怎么读paper,这些天几乎从一个一点代码没写过的人成长为一个正常的算法初学者了。后来日渐熟悉工作,可以帮助后进来的实习生上手工作,也能给组内写一些小工具,做一些论文分享,写一些小模块,输出一些高质量的文档。我寻思干了这么久,组也比较核心,可能转正也就是顺理成章的,我甚至可以实习到毕业。然而,由于端到端的冲击,蔚来开始了大刀阔斧的组织架构调整,我们组的核心业务都随着人员调整被剥离了出去,连同我一直做的那一块。其实那会暑期实习也投了许多公司,但是当时由于一直实习,也没有总结实习的工作没有刷题没有背八股,也没拿到太好的暑期实习,也就一直赖着没有走了。组织架构调整以后,手上没有活了,六月那会就知道基本上转正无望了,再加上自身对于实习的热情降低,工作也没有那么投入了,准备开始准备秋招了。当时还是对秋招形势感到担忧,现在不是22年以前了,组里师兄找的工作的质量也一点点下滑,甚至大家开始all in华子了。

又见晴天

好在很幸运,七月初拿到了联洲的提前批offer,也就是临时背了背操作系统和计算机网络的八股,那会确实是个定心丸,不至于秋招没地方去了。依然对自驾充满信心的,随着元戎大疆卓驭滴滴这些公司开启招聘,我的秋招开启正式开启了。临近八月,mentor和我聊了很久,果然是转正基本无望,让我快点去准备秋招吧。是一种遗憾也是一种解脱吧,也不用每天为了转正的事情而无意义的卷,只能默默祝福蔚来了,伴随着秋招三个志愿全挂,可能校招真的无缘蔚来了,不过就像伍佰老师唱的那样,"至少我们直线曾经交叉过"。八月投了个央企的夏令营,就在老家那边,一是过去换一种心情顺道回趟家,二是想拿个央企保底,有另一种人生的选择权。之后很意外又拿到了商汤的实习,在家里休整半个月之后,开启了一边实习一边秋招的日子。整个过程非常顺利,当时居然很神奇地拿到了百度idg的口头oc。后面面各种厂都自信了,什么厂都敢投,不过还是算法能力太弱了,基本上卡笔试的厂都没能过去,不过也有底气直接把之前第一个发意向的联洲给拒绝了。当时10月份面完华子之后差不多就该结束秋招了,但是一直没开奖,闲不下来又面了几家之前投的供应商(基本上现在都还泡在池子里呢)。曾经以为转正失败后彻底没戏了,但是还是很幸运的拿到了一些offer,山重水复疑无路,柳暗花明又一村了。

轻舟已过万重山

今天准备把三方寄出去了,后面一些池子不打算等了,写写论文,享受最后几个月的校园生活,然后切换成一个合格的打工人。感谢牛客这个平台,我也通过分享各种面试凉经,薅了驼驼好多京东卡,同时也收到了好多人对这些分享的内容的感谢。秋招过程中有让人不爽的公司,抑或一些让人暖心的hr,面挂了也感觉尸体暖暖的,牛客这个平台上认识好多牛友一起吐槽一起努力,感谢你们一路相伴。其实每个人都有自己的坚持和选择,很多佬有很高的offer,但是你也不差呀,你有你所热爱的事情,你想要活出怎么样的人生。比较是偷走幸福的小偷,人外有人山外有山,秋招的意义不在于攀比,在于经历过一次之后掉了几层皮后,翻过这座山,蜕变成蝶

#25届秋招总结#
全部评论
我也说不出什么动听的话“”小舟从此逝,江海寄余生“”
5 回复 分享
发布于 2024-11-27 10:29 北京
佬,轻舟年终奖发不出来也去吗
1 回复 分享
发布于 2024-11-27 16:22 浙江
共勉!
点赞 回复 分享
发布于 2025-01-09 09:32 上海
美硕本科tju,也在转码,现在找到的就只有语音算法科研岗,但是我完全不会写论文,希望领导和你一样好不嫌弃我,我蔚来没人约面试,简历牛客网过了
点赞 回复 分享
发布于 2024-12-12 17:19 吉林
佬这就大结局了吗?理想还在陆续开奖呢
点赞 回复 分享
发布于 2024-12-12 17:03 辽宁
晴天哥,一帆风顺
点赞 回复 分享
发布于 2024-12-05 12:05 上海
同济校友吗
点赞 回复 分享
发布于 2024-12-03 15:43 广东
点赞 回复 分享
发布于 2024-12-03 10:06 陕西
祝校友一切顺利
点赞 回复 分享
发布于 2024-12-03 03:31 上海
祝佬未来一帆风顺
点赞 回复 分享
发布于 2024-12-01 22:13 北京
太强了 佬至今0offer选手路过
点赞 回复 分享
发布于 2024-11-30 18:13 上海
看了佬不少面经,也是恭喜佬啦,祝佬一切顺利!不过俺轻舟不出意外的没泡出来,羡慕佬
点赞 回复 分享
发布于 2024-11-30 16:19 江苏
祝好!
点赞 回复 分享
发布于 2024-11-30 14:05 天津
佬不等华子了吗
点赞 回复 分享
发布于 2024-11-30 12:49 北京
祝佬一路顺风!同双九机械,做自动驾驶
点赞 回复 分享
发布于 2024-11-30 12:48 北京
加油!共勉,我也是机械er
点赞 回复 分享
发布于 2024-11-29 13:55 浙江
恭喜好兄弟,同传统工科转码,感同身受,祝你未来一切顺利!!!
点赞 回复 分享
发布于 2024-11-28 16:13 北京
祝佬未来一路顺风
点赞 回复 分享
发布于 2024-11-28 12:27 安徽
看着佬的面经走过来的祝未来工作学习一切顺利
点赞 回复 分享
发布于 2024-11-28 10:00 上海
点赞 回复 分享
发布于 2024-11-28 01:46 福建

相关推荐

2025-12-26 23:37
成都理工大学 Java
点赞 评论 收藏
分享
不愿透露姓名的神秘牛友
01-06 00:12
已编辑
华为 嵌入式软件开发 n*(14-16), 公积金5% 大专
点赞 评论 收藏
分享
在过去的一年里,我参与了多个企业级 AI 项目的开发和部署。从模型选型、数据清洗、特征工程到上线迭代,我几乎见过所有典型流程。每个项目初期都令人振奋——模型准确率高达 95%+,算法采用最新的 Transformer 架构,测试结果近乎完美。可是三个月、半年后,这些项目中的大部分都停滞不前,甚至被用户弃用。这让我陷入深深的思考:问题到底出在哪里?一、习惯性的"模型思维陷阱"最初,我像很多技术人员一样,把问题归咎于模型和数据:模型是不是不够大?要不要换 GPT-4?训练数据是不是不够多?需要扩充到百万级吗?算法是不是不够先进?要不要上强化学习?可是当我冷静分析后发现,这些失败的 AI 项目:模型能力都不差(准确率、召回率指标优秀)算法也合理(经过多轮调优验证)数据量充足(覆盖主要业务场景)在实验环境中表现极佳真正的问题,不在模型,而在系统架构层面。二、被忽视的"记忆缺失"问题我发现这些项目几乎都停留在"对话工具"的阶段,具体表现为:1. 无状态交互 用户与 AI 的每次交互,都是一次全新的、孤立的体验。就像每次都在和一个失忆症患者对话。2. 无历史追溯 AI 无法记录用户的历史行为:上周提过的需求,这周要重新描述使用过的功能,下次访问毫无印象偏好设置需要反复调整3. 无学习优化 系统无法根据过去经验进行优化:不知道用户常用功能是什么无法预判用户下一步操作不能形成个性化用户画像简单来说,AI 没有"记住"的能力,更谈不上"学习"。这种情况下,模型再优秀,也无法真正融入企业业务流程,更无法为用户提供持续价值。三、解决方案:独立记忆引擎架构通过进一步研究和实践,我开始探索如何打破这个瓶颈。关键在于:把长期记忆与用户建模能力从系统中独立出来,形成可复用的记忆引擎。这不仅仅是一个数据存储层,而是包含:记忆存储模块结构化存储用户交互历史时间序列化记录行为轨迹分层存储(短期记忆/长期记忆)用户画像模块分析兴趣偏好(基于历史行为)识别使用模式(高频功能/时段)构建需求预测(下一步可能操作)智能检索模块跨会话调用历史信息上下文关联推荐相似场景匹配架构示意:用户交互 → AI 模型 ↔ 记忆引擎 → 用户画像↓           ↓实时响应    持续学习优化通过这个模块,AI 可以:记住用户行为(不再失忆)分析兴趣偏好(主动洞察)预测下一步需求(智能推荐)它不仅让 AI 系统对单次交互敏感,更能对长期行为趋势产生洞察。四、实战案例:从"对话工具"到"智能助手"我第一次看到 AI 真正"像系统的一部分"是在一个企业内部试点中。改造前(传统方案):用户每次访问都要重新描述需求AI 无法关联历史对话功能推荐随机且无针对性用户粘性低,三个月后使用率下降 60%改造后(记忆引擎方案):智能提醒:打开系统即提示"您上次的报表还未完成,是否继续?"个性化推荐:根据使用习惯推荐相关功能(如每周一自动生成周报)需求预测:主动询问"您通常这个时候会查看销售数据,需要我准备吗?"结果:用户满意度提升 40%任务完成效率提高 35%六个月后使用率不降反升 25%这一刻,我彻底明白了:模型优秀只是基础,系统架构才决定落地能力。五、给开发者的三点建议如果你正在企业内部负责 AI 项目,或者正在规划 AI 系统,不妨从以下角度检查:1. 检查系统记忆能力你的 AI 能记住用户上次交互内容吗?能否跨会话调用历史信息?有没有用户行为分析能力?2. 评估用户画像完整度系统是否了解用户常用功能?能否预测用户下一步操作?有没有个性化推荐机制?3. 关注长期价值而非短期指标不要只看模型准确率更要看用户留存率和使用频次关注系统是否能"越用越懂用户"结语AI 项目能否落地,关键不在模型,而在于系统能否"记住、学习、预测"。独立记忆引擎的出现,让 AI 不再只是单次对话的工具,而是企业业务的有机组成部分。与其纠结算法选择或数据量大小,不如先从系统记忆能力开始改造。
聊聊我眼中的AI
点赞 评论 收藏
分享
评论
65
20
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务