前面基本上都在问论文 无手撕1. 自我介绍2. 介绍下简历上这个项目3. 你对对话 LLM 的理解是什么？它和普通文本生成模型的核心区别是什么？答案：对话 LLM 不是简单地做 next token prediction，它要在多轮交互里持续维护用户意图、对话状态、约束条件和安全边界。普通生成模型更关注单次输入到输出的流畅性，对话模型还要考虑上下文一致性、角色一致性、拒答策略、澄清提问以及工具调用。它的核心难点在于“历史信息并不等价于有效状态”。用户前面说过的内容，有的仍然有效，有的已经被修正，有的是噪声。对话 LLM 必须学会根据当前轮次重新解释历史，而不是把所有历史机械拼接进去。工程上通常...

这简历能不能抓住春招的尾巴呀😔

论文马上送审了，无意间在小程序上再次看见了自己的高考成绩，发现高考已经过去快10年了。一起参加高考的同学现在只有几个还在继续深造，有时候真的会畅想选择了另一条路的自己会是怎样。

1. 自我介绍，结合一个复杂项目讲清楚你负责的核心链路2. SSE 是怎么实现的，服务端和客户端分别要做什么SSE 本质上是服务端基于 HTTP 长连接向客户端持续推送文本事件。客户端通过 EventSource 发起请求，服务端返回 Content-Type: text/event-stream，然后按照 SSE 规定的格式不断写入数据。每条消息通常由 event、id、data 组成，消息之间用空行分隔。SSE 适合 AI 流式输出、任务进度推送、实时日志、诊断过程展示这类服务端单向推送场景。它比 WebSocket 简单，浏览器原生支持自动重连，但不适合强双向通信。如果后端经过 Ngin...