这次面试感觉其实还行，但是到现在也没联系我，估计凉凉了。  这次面试，面试官很侧重于 LLM 在实际业务（特别是销售/营销场景）中的落地能力、工程化思维（如异常处理、耗时分析）以及 Prompt 的精细化控制，这段时间段段学了不了，但是还是感觉差点意思。一、 业务逻辑与转化率优化 (ROI) Q1：你们的“线索评分”机制是如何运作的？回答： 基于四个维度进行打分： 1.联系方式完整性（基础门槛）。2.购买意向强度（结合大模型进行意图识别）。3.对话深度（交互轮次）。4.用户主动行为（如主动要求添加销售微信或留下电话）。 综合这些维度给出一个分数，通常分数较高（如大于 70 分）会被判定为高优线...

听的一个认识的小主播说的，在中大厂工作，身边hr抱怨投的简历里几乎所有都是java，离谱到100份只有3-4是其他的，而且最逆天的是不管招什么岗都差不多。招测开，移动端很有难度，因为java实在太多了。。。然后部门leader还补刀了一句，你们移动端简历的都是后端不要的。感觉分出一点时间多看看一些小主播的真实工作分享，或者向校友多问问真的挺有必要，不能当鸵鸟，我以前完全不知道已经离谱成这样了。现在我感觉真的要认真考虑转移动端了。。。好歹有java知识，也不算从零起步吧。我是28届，还有大半年能完全投入。。。

###

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...