如题,楼主是25届的小菜鸡。在去年秋招侥幸拿了几个SSP,实际上拿了第一个SSP后后边的几个就顺风顺水,A出来好几个。那么马上26秋招就要开始了,所以想把自己去年的秋招感悟分享一下。个人背景:25届科班双非硕，感觉自己学习好像在大学阶段一直都是浑浑噩噩的情况，直到研究生决定摆脱浑噩的状态。仍记得当时研究生三年里,为了恶补知识直接在实验室睡，何时改变都不晚。赛道选择：适合自己的赛道才是最好的。尽管网上有很多言论关于前端已死，java已死，嵌入式将要卷成下一个java等，但每个人的背景不同，适合自己的才是最重要的。赛道大致划分就是算法、安全、测试、开发，开发划分硬件和软件，软件划分前端和后端，后端...

双非一本目前窘境学校在南昌，投外地的公司没有一个线上面的（已投1000+），南昌公司投了个遍，一家线上其他都是线下，其中两家中厂的面试已挂；另外一家小厂的后端八股基本全答上来了（挂，公司要全栈）；其他的几家小厂面试都是问了些技术无关的问题（要我去当黑奴的），譬如某皓，张口闭口就是公司文化是加班，问能不能接受，项目用的还是ssh，这谁敢去啊。同寝室室友也是和我差不多情况，他比我要好些。今天好不容易简历过了个大厂，没想到是癞蛤蟆想吃天鹅肉哈哈。    

大语言模型关键技术概览规模扩展：早期的研究主要关注模型参数规模所带来的性能优势，最近的工作则是加大对于高质量数据的规模扩展。数据工程：首先，需要对于数据进行全面的采集，拓宽高质量的数据来源；其次，需要对于收集到的数据进行精细的清洗，尽量提升用于大模型训练的数据质量；第三，需要设计有效的数据配比与数据课程，加强模型对于数据语义信息的利用效率。高效预训练能力激发：多种高级提示策略，包括上下文学习、思维链提示等，通过构建特殊的提示模板或者表述形式来提升大语言模型对于复杂任务的求解能力。人类对齐：首先训练能够区分模型输出质量好坏的奖励模型，进而使用强化学习算法来指导语言模型输出行为的调整，让大语言模型...