Prompt Engineering:提示词- 通过设计输入文本来引导模型输出- 不修改模型参数- 适合快速迭代场景Supervised Fine-Tuning:模型精调- 使用标注数据微调模型参数- 需要训练资源- 适合专业化场景Prompt典型案例:1. 添加"逐步思考"提升推理能力2. 角色设定"你是一位资深律师..."3. 输出格式控制"用Markdown表格展示..."SFT典型案例:1. 医疗问答数据微调2. 客服对话场景优化3. 法律文书生成专项优化Prompt优势:✓ 零训练成本✓ 即时生效✓ 灵活可调✓ 保留通用性Prompt劣势:✗ 专业领域效果有限✗ 提示设计需要经验✗ 输出稳定性较低SFT优势:✓ 领域适应性强✓ 输出质量稳定✓ 可处理复杂任务✓ 减少提示长度SFT劣势:✗ 需要标注数据✗ 训练成本高✗ 迭代周期长✗ 可能过拟合## 产品决策建议• MVP阶段优先Prompt• 核心业务场景采用SFT• 混合方案：通用能力+专项优化• 考虑：数据/算力/时效/效果的平衡 #牛客激励计划#  #产品经理#  #数据人的面试交流地#  #AI了，我在打一种很新的工#  #产品每日一题# #牛客AI配图神器#

部门：QQ音乐base地：深圳流程：一面+二面+三面+HR面推进速度：非常快，每一面在一小时内出结果一面 50min自我介绍论文介绍什么是MHAAttention运算公式为什么除以根号dk介绍现有相对位置编码和绝对位置编码的异同点，都有哪些结构RoPE的结构RoPE相比于绝对位置编码的优势是什么？为什么外推性更好？为什么RoPE理论上可以无限外推？RoPE为什么可以利用绝对位置和相对位置的优势？介绍RAG项目（基座模型是什么？几b ？全参微调用了多少卡？数据多大？问答对的形式有图片吗？对RAG的理解是什么？为什么要用RAG？BGE模型的结构什么是LoRA？有个两层神经网络，参数1万*一万，低秩...

1、自我介绍2、rag 的检索原理3、哪些大模型在图像和表格方面比较好4、大模型怎么解析图像和表格5、对 mcp 的理解6、对 prompt 的理解7、对 workFlow 的理解8、项目展示#牛客AI配图神器#

📢MiniMax，成立于21年底的国内AIGC独角兽公司，是国内唯一一家拥有文本、语音、视觉等多模态融合的通用大模型引擎能力并打通产品全链路的科技创业公司 📢顶级投资机构背书，成长速度🆙🆙 📢500+规模，团队几乎全都来自国内外顶级大厂/高校 ✅我们的优势 📢头部投资机构，资金充沛 📢技术领先，对AI/大模型有坚定的信念、判断以及积累，是国内大模型领域的先行者 📢人才密度高，工作高效、成就感强 📢Efficiency&Happiness最优先 📢薪资有竞争力 📢个人成长空间大，与公司一齐腾飞！ ✅我们的产品 📢生产力工具海螺AI 📢沉浸式AI内容社区星野 ...