求建议

最近在牛客上看到好多兄弟吐槽，投简历跟石沉大海一样，BOSS直聘上打招呼也是常年“已读不回”。作为一个在开发岗摸爬滚打、平时也带点业务的打工人，今天跟大伙盘点一下，到底跟HR发什么，他们才会像打了鸡血一样秒回。大家要明白一个核心逻辑：HR每天要刷几百个招呼，他们只抓“精准匹配业务”和“能快速填坑”的关键词。1. 别发废话，直接砸“核心技术栈+行业背景”千万别上来就一句“您好，觉得贵公司很合适，希望给个机会”，HR看这种话毫无波澜。直接把你的核心卖点和业务场景砸过去。比如咱们搞后端的，别只干巴巴写个“熟练掌握Java/Python”，直接上狠活：“您好，我有新能源和电池测试行业的后端开发经验，主...

看到了狐厂招继任的帖子，我就抱着试一试的心态投了简历，没想到真的给面试的机会啦！因为我是内容运营岗要做视频，所以就先进行了视频剪辑的测试。给我发过来的是搜狐的自制短剧，因为时间有限我先快速刷了一遍，一边看一边记录名场面，因为要剪两分钟以内，可以多发挥，内容不能太少，然后就开始剪辑啦，我是按照三方面进行剪辑的，首先“黄金三秒”，其次是名场面合集，最后留下悬念，一定要捋清思路，剪辑要有逻辑哦。其实剪的有些瑕疵啦，但是mentor不仅说通过还给了我指导意见，后续又推进面试啦。首先就是自我介绍，然后简单问了我几个问题：最近有没有看什么综艺和电视剧（我都分别说了一个）、剪辑视频的能力怎么样、怎么看待重复性工作、最快什么时候到岗、有没有课程一周可到岗几天因为是mentor直接联系所以推进很快，面试完就下口头offer了，现在已经顺利入职啦！工位很大，还有上一任实习生和我交接工作，老师们都很好相处，氛围很好！

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...

boss沟通400➕了就几个要简历的无一个面试，很多要27以后的，28太难了感觉找不到实习了😓😓😓