1. 介绍一下你做过的一个大模型项目2. 如果让你设计一个适合购票的 Agent 系统，你会怎么做3. RAG 在酒旅场景里最容易出什么问题，怎么解决酒旅场景里的 RAG 最大问题不是召回不到，而是召回到了“看起来很像但不适用”的内容。比如同一家酒店不同套餐、同一航司不同舱位、同一个城市不同出发日期、同一政策不同会员等级，文本很像，但结论完全不同。模型一旦把这些证据混在一起，就很容易生成似是而非的答案。解决方法通常不是单纯提升 embedding，而是先把检索约束做对。比如 query 里要强绑定出发时间、订单状态、航司、舱位、供应商、会员等级这些 metadata，再在这个前提下做 dens...

刚看到百度今年暑期实习的数据，5000+Offer，90%AI岗。说实话，第一反应是：这规模，有点狠。简单拆一下这个数字背后的逻辑，你就会明白为什么这可能是27届最好的窗口期。作为一个去年刚经历过校招、现在已经在搬砖的25届小学长，我简单说几个让我觉得“这波27届确实赶上好时候了”的点。1.这个数字，放在之前不敢想我记得投暑期实习的时候，百度的盘子大概是2000-3000的量级，专项也就三个。今年直接干到5000+、七大专项。不是说百度以前不好，而是今年的供给量明显上了一个台阶。放在头部大厂里，能把暑期实习开到5000+的，一只手数得过来。而且90%是AI岗，这意味着名额基本都集中在我这种学计...