打卡

春招彻底结束了，最终只拿到了一个杭州中小厂的offer，薪资比同届的同学低了快一半。回头看这三个月，全是拍大腿的后悔瞬间，无数个深夜都在想：如果春招能重来，我绝对不会这么走。先交代下背景：双非本科，一段小厂Java后端实习，秋招拿了个外包的保底offer，就直接躺平了。总觉得春招还有机会，金三银四随便面面就能拿到更好的，结果现实狠狠给了我一巴掌。春招三个月，投了200多份简历，只拿到了12个面试邀约，挂了11场，最后只拿到了一个不情不愿的offer。今天把我所有踩过的坑、后悔到想重来的事全写出来，给正在求职的、还有下一届的牛友们提个醒，别像我一样，把一手好牌打得稀烂。如果春招能重来，我绝不会做...

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？

是不是简历有什么问题。😭阿里简历挂拼多多笔试挂腾讯 美团 字节 百度 得物 泡池子

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...