offer选择

我听说这个公司的笔试难，对于一些算法题目要自己手工来写，而且没有提示语啥的，对于一些编程的人来说感觉不是很好操作，而且对于这个我感觉题目比较难，都是一些比较难的算法

春招这段时间，前前后后给几十家公司的HR发过消息，从最开始的全石沉大海，到后来90%都能收到回复，踩了无数坑，终于摸透了HR的沟通雷区和秒回技巧。先给大家避坑，这5句话，发出去90%会被无视，绝对别发！在吗？（纯无效开场，HR根本没法回）您好，请问XX岗位还招人吗？（只提问题，不给任何个人信息，HR连你是谁、能不能胜任都不知道，懒得回）我的简历您看了吗？（压迫感拉满，没有任何有效信息，HR只会觉得你在催他）您好，我想应聘贵司的岗位。（不说清哪个岗位、自己什么背景，HR一天看几百份简历，根本没空跟你细问）长段大作文，没有重点：把自己的经历、诉求写了一大段，没有分段、没有重点，HR扫一眼就头大，直...

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...