华为车bu

经验就一条：Prompt 一定要拆开，任务一定要变简单。在面对小模型时，它们能力有限，如果把一堆要求（比如整篇文章+要求）塞进一个 Prompt，可能回答的就牛头不对马嘴了——不是主语识别不全，就是逻辑硬伤，或者答案缺斤少两。要把 Prompt 变成“工作流”，每一步只处理一个问题。比如“根据文章提问”，我通常拆成三步：第一步：只让模型识别文章的主语。第二步：根据主语去编问题。第三步：再针对问题生成答案。每步只干一件事，模型想出错都难。再比如做长文本的“分块（Chunk）”处理：不要让模型重写全文，除非你的token值够用，而且还会增加它的思考难度。你可以把原文段落编上号，让模型只输出：“标题...

1.腾讯100w+总包，给了股票和签字费，做的是算法优化这一块。2.字节120w+，推荐算法，签字费+期权。每个月还有房补3-4k。3.华为17级。年终奖金20多个月工资，满两年提级别，周围都是高学历群体。4.美团90+30w，核心部门业务，签字费+房补，待遇很好上面四个岗位投递之后都没有什么回应，所以只拿到了下面两个offer1.快递卸货员，月薪2500，三险一金，包吃不包住。2.楼下小区保安，月薪3500+，包吃包住大家帮忙看一下，选哪个好一点！

希望各位大佬能给些建议

自驾算法一面项目用anchor-based的，有没有考虑用anchor-free的方法？为什么anchor-free在这个项目里比anchor-based差，有没有想过为什么有没有试过DETR的方案或者其它方案？对于目标密集和遮挡情况下，anchor-based和anchor-free有什么区别，比如分类有人和自行车，现在一个人骑着自行车，用anchor-free和anchor-based方法训练会有什么不一样？（anchor-based方法预测的框的数量多召回率高，anchor-free的精确率高召回率低，答案是anchor-based方法会匹配的更好，因为不同类别的宽高比大小不一样，，但a...