大佬们，我选arm工程师干还是全闪存储干

大家好，我是在某互联网大厂做了 2 年技术面的面试官（也是牛客老用户，刷牛客讨论区劝退帖/offer 比较帖的时间不比你们少）。写这篇是因为最近 hc 收紧，我在内部 review 候选人评分的时候，发现一个很扎心的现象：**技术不差的候选人，被刷掉的原因经常不是"能力不够"，而是那些"你不知道你不知道"的坑。**HR 永远不会告诉你真相，她只会说"综合考虑后……"。所以我把这 2 年 300+ 场面试里最常见的 7 个隐藏扣分项写下来，全部换成"牛友视角 + 怎么做"，希望帮到正在投简历的你。---1. 自我介绍...

友友们，本来在一个做自动驾驶的大厂实习，但因为长时间没刷宿舍门禁刷脸被导员发现，后面被拷问出来在实习后也是迫于压力离职了。但是我争取了一下，公司那边说是如果暑假还有hc的话我可以继续入职。但是只是口头承诺，我很焦虑到时候一句没有hc了就炸了（暑期目前只有一个小厂offer，四月才开始投，两个月生疏八股算法，感觉拿别的大厂暑期实习无望了）  友友们有什么建议吗？比如我要不要持续跟hr聊天来增加些好感度之类的？

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

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...