第一次面试大公司，岗位是unity技术美术，其实我是技术，美术这方面在恶补渲染管线shader之类的，五一不敢出去玩，我应该准备什么东西，求求了，或者说大家知道联系面试都考什么，侧重点。

有合适转租的佬，或者有共同需求的佬们滴滴，一起找房子

#通信硬件人笔面经互助# RT，虽然刚面完，但是我已经知道自己凉了没想到美帝良心想居然还有应届HC(base天津)流程：一.面试官介绍公司：base在哪、干啥业务、这个职位是什么二.自我介绍三.八股(C基本的数据结构、算法思想没问，纯C的八股 挺友好的)    1.说一下链表 和 数组的存储形式        1.1说一下各自的优缺点，适合解决什么问题    2.二维数组a[4][4]的前6的元素是什么    3.(忘了啊，因为C是面向对象，也没虚函数、旗子继承这些问题来轰炸)应该是个链表的？很简单    4.怎么向函数中传数组？说一下形参、实参分别是什么四.手(口)撕代码    最短的时间内，打引string(注意我这里对字符串的称谓)中最长的子串(用空格间隔开)        不知道啥是最短时间啊...双指针嗯做试下？就说了下思路，然后面试官让【详细】地说一下coding(定义了哪些变量，每一步怎么做都说)        最重要地一点：只能用C语言(我说C语言打引都能说成“print……不对，printf”的人，口撕限定语言题，场面可想而知)    最后面试官都笑了(挺和蔼的老阿姨，戴着大耳包耳机🎧)五.反问    Q：C语言是刚需吗？(纯作死)    A：是的，我们可能会不怎么用汇编，但我们必须要用C  CPP没用过    Q：后面转C可以吗    A：必须要转如果老阿姨是活菩萨就好了，希望能进二面(进了二面我必然废除全身CPP武功以表诚意)#牛客解忧铺##牛客在线求职答疑中心##数据人的面试交流地##联想#

检索增强生成(RAG)实践：基于LlamaIndex和Qwen1.5搭建智能问答系统 什么是 RAG LLM 会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。 正是在这样的背景下，检索增强生成技术（Retrieval-Augmented Generation，RAG）应时而生，成为 AI 时代的一大趋势。RAG 通过在语言模型生成答案之前，先从广泛的文档数据库中检索相关信息，然后利用这些信息来引导生成过程，极大地提升了内容的准确性和相关性。RAG 有效地缓解了幻觉问题，提高了知识更新的速度，并增强了内容生成的可追溯性...