韶音年会，全力上场！

这事情基本上纯靠运气，因为你也选不了你在哪个组，哪个mt带，应届生很多都是要背黑绩效的，而且在做需求和开会的时候，也是最容易背锅的那一个，如果mt能够适当扶持第一年，还是对应届生有很大的帮助的，如果是落井下石的，基本半年就可以跑路了，直接转战场

实习期间参与的项目，聚焦于合同审核场景，本文以合同审核为例，针对在垂直落地场景中，为什么需要做sft微调展开简单的讨论和个人的一点见解。 传统合同审核系统依赖规则编写和关键词匹配，局限性突出： 一是规则需人工逐条维护，新增合同类型（如技术许可合同）时，需重新梳理数百条规则，迭代效率极低； 二是无法处理模糊表述，如“合理期限内整改”“适当补偿”等条款，关键词匹配会直接漏判； 三是不具备推理能力，无法关联多条款风险，如管辖地与争议解决方式的逻辑冲突。二、为什么需要SFT——教模型学会“思维”对合同审核场景而言，基座模型就像刚掌握法律基础的实习生，懂术语但不懂业务判断，SFT本质就是用高质量业务数据...

1.code：二叉树的右视图；反转链表，要求递归写法2.如果我们发现排在第一位的商品点击率很高，但这可能仅仅是因为它排在第一，因为用户习惯性点第一个，而不是因为它真的好。这导致模型训练数据有偏差，你有什么解决的思路3.推导一下你描述的贝叶斯优化的过程4.冷启动知道吧，讲一下你的解决思路，不用讲一些经典的做法，你说说你有什么建模的思路5.在GR任务中，模型生成的Invalid SID元组问题，你有什么解决的思路6.你刚刚提到的联合损失，如果我的encoder语义表示不充分，容易局部最优，怎么处理？7.反问环节

前言 当我们尝试将网上开源的大模型部使用Ollama的方式署在本地，就会发现，呈现给我们的只有一个黑色对话框。 想要提供给他人使用，最佳方式还是提供一个网页或者API接口。对于后者，Ollama已经实现，你可以使用下面的地址  http://localhost:11434  假设你继续跟着官方教程，使用python或者其他语言，就可以制作一个简单的聊天助手，恭喜你完成了一个 Agent 的开发。 但是距离企业中落地的 Agent 还有一点距离，接下来，我将带你逐步补齐。  AI 核心概念 从机器学习（Machine Learning），自然语言处理（NLP）开始说起，对于作为后端的我，有点难为...