本人27届，本硕双9，本科有在一家小公司实习5个月，但是和现在的方向并不相关，主要是用C++做一些图形学相关的。秋招准备走大模型应用开发方向，想进大厂。年前自认为准备的很一般，没敢投递大厂，只投了一些小公司面试。目前在一家初创公司线上实习，也是做大模型应用开发，可以开实习证明包装简历。现在纠结的点在于，自己对找暑期实习准备的并不充分，学习效率很低，hot 100刷了两遍，八股有背一些rag和agent相关的，但是项目经历很匮乏（不知道怎么做自己的项目）。害怕如果不去西门子的话，3-5月找不到合适的实习就只能有一段小公司+一段暑期实习经历，感觉不太够用。想问问大家是推荐边实习边找暑期还是直接全力冲刺暑期呢？

前言这是我的agent系列文章的第一篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。一、ReAct 核心：Reasoning + Acting，边想边做ReAct 拆开就是 推理（Reasoning）+ 行动（Acting），核心逻辑：AI 不先定死全流程，而是走一步、看一步、想一步，循环完成任务。通俗对比传统方式：出门前查好全程路线，...

感觉强度不小，快hold不住了...项目拷打1. 项目的创新点2. 数据集特征，分别做了哪些处理3. 数据特征的分布情况，为什么数据适合模型？4. DCN-v2 和 DCN 的区别，分别详细讲讲算法知识1. 了解 MmoE 吗2. 多个目标分数怎么融合3. 回归损失和分类损失共存的情况下，出现的问题，比如说损失尺度不一样，模型偏向优化大目标，这该怎么解决4. 再比如，不同任务之间梯度方向冲突，训练震荡，这怎么解决？5. 说说你了解的粗排模型6. 什么是生成式推荐？它和传统的判别式推荐7. 生成式推荐的典型应用场景有哪些？8. 生成式推荐常用的模型架构有哪些？9. 生成式推荐的评价指标和传统推荐有什么不同？10. 如何将大语言模型（LLM）融入推荐系统？11. 生成式推荐落地时，面临的核心技术挑战有哪些？Code1. 数组中，两数之差的最小值，返回下标（非 hot 100的简单题）2. 三数之和

想问一下大家，微软暑期实习Hackerrank Assessment一般会出哪些题，是英文题面吗？难度怎么样？