暑期offer决赛圈

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

分享一个蚂蚁timeline3.25 一面3.30 二面4.2 HR面4.10 意向书

面了一些实习生，简历上写了 AI 项目的很多，但大部分一问"这个项目的亮点在哪"就开始复述技术栈了——"用了 LangChain、用了向量数据库……这不是亮点好吗  所以做项目的时候，提前想好这三个问题：  我做了哪个技术决策？为什么这么选？ 我遇到了什么坑？怎么解决的？数据变化是什么？ 有没有人真的在用？反馈是什么？  所有的技术都是为了解决现实场景，我们更关心的是：“你是否有独立思考和解决问题的能力”