刷到过很多实习生和mentor处成哥们儿的帖子，看完大概率会羡慕这种亲近的上下级关系。但我想说，不管你跟带教的关系有多铁或者多僵，都得拎清课题分离这事儿，工作的边界感千万不能乱踩！📝 下面这几条雷区，实习生们可千万别踩！1.别越级瞎提建议除非带教主动问你想法，否则别愣头愣脑地凑上去说 “我觉得你应该咋样咋样”。咱就管好自己那一亩三分地，把本职工作干明白就够了，别瞎操心不属于自己的事儿。2.别卖队友换好感❌那种把实习生之间的小秘密捅出去，就为了换带教或者同事认可的操作，纯纯是作死。尤其是那些会影响到别人的话，比如 “她就是嫌通勤远才请假”“他们偷偷建了个小群吐槽”，这话一出口，不仅把同事的信任踩碎了，自己还得惹一身麻烦。3.别养成反驳甩锅的臭毛病📗犯了错第一反应别是找借口、甩锅，那没啥用。不如沉下心复盘问题出在哪儿，琢磨个解决方案出来，保证下次不再掉坑里，这才是正经事。4.别瞎掺和正职的八卦我之前实习的组氛围贼好，正职们经常聊对象、聊恋爱进展啥的。但人家正职能聊，不代表咱实习生能跟着掺和。乖乖当个安静的吃瓜群众，竖起耳朵听着就行，别瞎插嘴，当个小透明准没错👂4.别随便评价别人的人品背后嚼舌根说别人咋样咋样，很容易让人觉得你没分寸。你聊啥，别人就可能觉得你认同啥，职场里保持中立，少议论人，才是最稳的。

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

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...