bg:双西电，一段小公司实习，一段HSBC实习，一篇学生一作SCI二区投的基本是论文对口+大模型应用+nlp（实习有做一点）目前投了43家包括私企+外企，5家银行，1家国央企至今测评笔试做了无数个，只有一家约面简历、笔试完挂了4+0+1家鼠鼠已经开始怀疑了，在想到底是自己太菜了还是hc不够

迅雷：九月初投递，今天一面，感觉回答的还不错吧，面试官暗示说等HR安排下一轮面试，感觉有戏字节：昨天投递，终于通过简历筛选了，又有面试了，约在周四深信服：921投递，直接约线下面试，但线下面试点离我很远，申请约10月以后的面试时间了文远知行：9月初投递，发来感谢信了，直接筛掉也好，比那种kpi面，强很多吉利：9月中旬投递，发个英语测评以及面试邀请，约在24号沐瞳科技：9月中旬投递，发来笔试，今晚直接给做了，挺简单的

两段美团实习，一段做的机器学习相关的工作，一段做的rag方向的工作，都是偏业务应用方向，秋招面试也寥寥无几感觉现在压力好大打算10月末还没有offer的话再去找一段搜广推的实习all in 搜广推211本硕

面试迟了大概半个小时。说是前面的人没面完。好像他们面试是专门留一天面的。自我介绍，做题。面试官问我会啥，说就是走个流程。leetcode 打家劫舍。主聊项目，考察对 VLM 的理解，CLIP的理解。问Long CoT 如何定义？32k及以上。反问工作强度和业务应用。很累。面完直接第二轮。高强度面试wok。部门老大面试，没做题，感觉是业界大佬。聊强化学习，其中有个点是把 rollout 阶段把全错的样本部分替换为对的，让模型可以进行学习，问“和DPO有啥区别”？这样不是off-policy了吗？ on-policy 的优势是什么？GRPO的缺点很大，必须是可验证的query，开发问题，例如报告生...