2选1

早晨收到了HR助手的提醒，今天是白牙入职腾讯的两周年，两年前选择offer的纠结与入职腾讯时的兴奋还历历在目，但也许因为历经新冠的原因，这两年的时间黏稠而缓慢，仿佛流体，乏味得可怕今天带小白牙去国际鲜花港玩了一天，小白牙很开心，收拾完，想记录些什么，给时间留下一点记忆，就写一些在腾讯两年收获与感受吧收获了自信，「出身不好」的白牙也能凭努力跻身头部大厂，原来自己并不是很差，但同样也很清醒，公司确实起了背书的作用，但不能错把平台的能力当自身的能力，时刻保持清醒经历了一个系统从0到1的建设，见证了系统的不断迭代，虽说是内部系统，但还是有一些用户量的。这种机会挺难得，很多时候都是在现有系统上做一些修修...

面了5个实习生了，技术好的base不是特别考虑，base满足的技术又不太行，真难呀，各位优秀的学弟学妹们毛遂自荐呀【岗位职责】1. 算法优化与落地：重点参与图像编辑（Image Editing）领域的算法研究，特别是针对图像消除（Object Removal/Inpainting）任务的效果优化。2. 核心技术攻关：模型蒸馏：参与大规模生成模型的蒸馏工作，在保证生成质量的前提下，优化模型推理速度与显存占用。RLHF 对齐：探索并应用 RLHF（Reinforcement Learning from Human Feedback）技术，利用人类反馈数据优化生成模型的逻辑一致性与视觉美感。1. 实验与数据管理：负责相关算法实验的配置、运行与结果分析；协助进行高质量训练数据的清洗、整理与构建，建立更高效的数据 pipeline。2. 前沿探索：阅读最新顶会论文，复现并改进 SOTA 算法，探索提升消除任务鲁棒性的新方法。base：深圳薪资：200-400公司：传音邮箱：xin.wang4@transsion.com

全都在筛选中，已经麻了😭

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...