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...

周一入职培训，下午按照部门经理发的文档学习了一下午。第二天去部门上，客开得去部门上，按mentor的要求读文档看学习资料。第三天，因为通勤时间很长，休息一天，然后hr直接说不合适，走离职流程。工资也不准备发，后面还是争取到了，总之避雷。合同上说是一周至少三天。

暑期找了一个月左右，最后拿到腾讯cdg的offer了。个人感觉现在暑期后端确实是很卷，可能是因为后端的hc在逐渐缩小吧。普通本科生面试机会相对会少很多，本人之前有一段百度实习，但是也过不了很多公司的简历。对于面试过程，感觉有了实习之后面试官会减少问八股，甚至不问，都是一些实习的深度拷问或者问延申的一些场景题。感觉有一段能跟面试官聊的实习经历还是很重要的，另外就是ai相关的也很重要，需要持续学习。面试经常会被问到具体的ai相关实践，一些概念，还有对ai的个人见解等。timeline4.1约面 4.3一面 4.9二面 4.15三面 4.16HR面 4.20转录用评估 4.21oc