百度大模型应用算法实习一面

本人27届的。我最近才开始准备算法岗位相关的东西，之前一直在跟着老师做（科研），和大模型无关，现在想找多模态大模型的算法实习（两篇论文都和多模态相关），但是做简历的时候很迷茫有几个问题：论文内容要不要详细些，还是放到项目里面去，这两篇论文都不涉及大模型项目经历基本为0，我要找什么项目，比如多模态的对话加上微调可以吗最后面那个实习经历要不要放，这个算是一个学校的群体实习或者说是一种课程，而且时间有点久，很多东西忘记了

1. 项目继续深挖依然是实习项目，可能会延伸到方案对比、难点、优化空间等。2. 大模型应用与方法1.对一份数据做分类/识别/检测，用大模型有哪些方法？2.如何评估AIGC生成的文本？3.大模型“幻觉”如何缓解？真实性如何评估？4.RAG过程中索引可以做哪些优化？3. 模型训练与优化1.KL散度表示什么？2.反思机制是怎么做的？为什么用反思？3.PPO中KL散度的作用？4. 手撕代码实现KMeans实现一个简单的MLP，从CSV读取数据

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...

xdm这消息保真吗？果真是宇宙节了？什么时候生效啊，还有双休我愿意只为节字卖命（它要我的话