想在简历里体现“嵌入式 AI 能力”，关键不是写你“学过什么”，而是让面试官一眼看出你能在资源受限设备上把模型跑起来并解决实际问题。可以从三个层面去写：1. 技术栈要“嵌入式 + AI”融合不要只写“会 C++ / Python / TensorFlow”，而是写成有场景的组合，比如：C/C++（ARM Cortex-M / Linux）+ 模型部署（TensorFlow Lite / ONNX Runtime）硬件平台（STM32 / 树莓派 / Jetson）+ 推理加速（NEON / GPU / NPU）这样能直接体现你不是只会训练模型，而是能落地。2. 项目描述突出“落地过程”项目一定...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

投了很多，一直没能进面

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...