长城汽车工作强度：大概是早8晚8大小周

基本情况：双非一本，6年前端经验，因前公司组织架构调整，项目组优化，gap半年以上，期间在备考公务员，感觉上岸比较困难，加上对od平台一直比较感兴趣，从HR鱼丸这里了解到有新的院校清单，并且自己在清单内，所以决定一试。机考：复习了两周多参加了机考，难度是有的，但是及格线还是比较轻松的，第一题考的是数组和字符串，比较经典；第二题考的是队列；最后一题是贪心。感觉和复习的力扣题目相比，考题会更加场景化，理解题意很重要。估分时就知道是低分飘过，HR鱼丸查询报告无误后告知可以继续推进。综测：鱼丸说了下大致的注意事项，我是在安静的环境、情绪稳定的时候做的，大概半小时以内搞定了，提交之后反馈给HR，很快就通...

现在求职圈，实习早变成了数量竞赛，人均四五段大厂实习的分享，仿佛经历越多越稳。但这完全偏离了实习的核心价值 —— 它不是堆砌履历，而是低成本试错和验证适配度。对学生来说，1-2 段实习足够了，关键要搞懂两点：一是行业真实运转逻辑和 JD 描述的差距；二是岗位日常是成长还是消耗，值不值得深耕。反之，短期高频的实习反而会成减分项，容易给招聘方留下目标模糊、稳定性差的印象，最终也沉淀不下可迁移的能力。若一段实习只为简历多一行公司名，毫无含金量。说到底，实习不是焦虑的筹码，少而深远比多而浅更有价值。

自驾算法一面项目用anchor-based的，有没有考虑用anchor-free的方法？为什么anchor-free在这个项目里比anchor-based差，有没有想过为什么有没有试过DETR的方案或者其它方案？对于目标密集和遮挡情况下，anchor-based和anchor-free有什么区别，比如分类有人和自行车，现在一个人骑着自行车，用anchor-free和anchor-based方法训练会有什么不一样？（anchor-based方法预测的框的数量多召回率高，anchor-free的精确率高召回率低，答案是anchor-based方法会匹配的更好，因为不同类别的宽高比大小不一样，，但a...