今年校招笔试发生了一件值得警觉的事——美团、阿里、蚂蚁 都开始在笔试里加入 AI Coding 题。技术岗在卷 AI Coding，那非技术岗呢?很多产运的同学第一反应是:"我又不写代码，应该考不到我吧。"但真相恰恰相反——非技术岗被 AI 冲击得更早、更深。为什么这么说?PM 日常 70% 的需求拆解、用研、PRD,已经在用 AI运营批量做内容、跑活动、用户分层,全靠 AI 流水线HR 内部一句潜台词:"不会用 AI 协作的产运,到岗就慢同期两个月"所以问题不是"会不会考"，而是"什么时候轮到你！"。❤️ 好消息...

软件测试这个简历可以吗😭求指导🙏

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

第 13 题：混合精度训练（Mixed Precision Training） 题目 解释混合精度训练（Mixed Precision Training）的原理和优势。 一、在做什么？ 混合精度训练指在训练中部分使用 FP16（半精度），部分保留 FP32（全精度），在保证数值稳定性的前提下，用 FP16 加速计算、节省显存和带宽。 典型做法：前向和大部分反向用 FP16，权重和优化器状态用 FP32 维护，梯度在 FP32 下累加/更新后再转回 FP16 参与下一轮；对易溢出层（如 softmax、LayerNorm）保留 FP32 或做 loss scaling。 二、原理要点  FP16...