2023年，开源模型刚刚多起来的时候，上手AI做的最多的事情就是微调，那会儿我有一张3090，就足够微调GLM2-7B或者Llama2-8B的模型了，网上还有很多的教程，教你怎么找数据集、怎么构建数据集，怎么微调大模型。仿佛只要学会了微调，我就一脚踏进了大模型工程师的门槛。包括到现在，很多客户一开始就说：“我们要微调一个自己的模型，网上都这样说的。”然后14B也好，32B也好，拉一堆行业数据往里塞，觉得这样才算构建核心壁垒。但连续了解几个项目之后，我现在的结论很清晰：对大多数做AI应用的团队来说，微调就是个坑。甚至面试的时候也会出现这个问题：为什么不建议微调？到现在网上还有很多新发的教程，一张...

避雷 石头科技太恶心了，面试全部通过，签完意向谈完薪之后告诉我在走offer审批，审批了一周多告诉我没hc了，让我等春招有hc了再联系我，前前后后折腾了快三个月，真是太恶心了

大佬们帮忙看一下简历，26年毕业生想找工作

1. 屏幕共享简历并介绍根据自己的具体情况回答2. 哈希冲突是什么？如何解决？哈希冲突指不同的key经过哈希函数计算后，得到相同的哈希地址，是哈希表设计中必然出现的问题。解决方法主要有四种：链地址法：哈希表数组的每个位置挂载一个链表，冲突的key直接加入对应位置的链表，实现简单，适合高冲突场景，是工业界主流用法；开放定址法：冲突后按固定规则（线性探测、二次探测等）寻找下一个空的哈希地址，无需额外空间，但易产生数据聚集，删除操作复杂；再哈希法：准备多个哈希函数，一个函数产生冲突时，用下一个函数计算新地址，减少数据聚集但增加了哈希计算的开销；公共溢出区法：将哈希表分为基本表和溢出表，所有冲突的元素...