秋招痛苦

背景background 本人bg双九非科班，传统工科，无实习经历。本科时没有学过java、数据库、计网等相关内容，对于第一份实习的寻找是迷茫的，无论是学什么（八股，项目），还是岗位的选择（前后端，开发，AI相关），都不知道怎么下手。 在和AI聊天、让其根据自身本科与研究生的经历推荐一些比较合适的岗位后，最终选择了测试开发这个岗位。于是，认准这个岗位后，在三月初返校后，我便开始了寻找暑期实习的学习之路。八股、项目、刷题learning 最开始我也不知道测开该怎么学习，但是根据查看一些牛客求职建议帖子得知通用的八股是必备的，于是我开始系统性学习计算机网络、计算机系统与数据库。同时在这段时间在b站...

差点把线上搞崩那次，到现在想起来手心还会出汗。实习第六周，我改了一个配置参数。自测过了，跑了几个case没问题，心想这么小的改动走什么灰度啊，直接上呗。提交MR的时候mentor拦住了我，说走灰度。我当时内心是翻白眼的——至于吗？灰度放了1%的量，五分钟之后监控开始报警。我改的那个阈值，影响了下游一个缓存服务的淘汰策略。我看着监控面板上那条飞起来的红线，感觉自己的血也凉了。mentor倒是很淡定，一键回滚，然后跟我说：这个接口日调用量几千万。如果刚才全量上了，你今天就可以体验什么叫P0事故复盘了。那一刻我是真的怕了。不是怕被骂，是怕影响真实的用户。之前在小厂实习，出了bug重启一下就好了，DAU才几千，没人在意。但大厂不一样，你敲的每一行代码背后都是真实的人在用。从那以后我再也没有跳过任何一个流程。你说大厂的流程烦不烦？烦。但被流程保护过一次之后，你会真心感激这份烦。感谢我师，就我🐶命

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...