60个选择题限时80分钟，需要开摄像头阅读理解（不是很长）找规律（感觉不是很好找）数学计算（简单复杂的都有）性格测评

📦 本文所推荐项目，均已收录于 GitHub 仓库： 👉 0voice/Awesome_c-cpp_Projects  工具库：每个 C/C++ 程序员都值得收藏的开源宝藏 你是不是也有这样的痛点：  要处理 JSON，却不想再写 parser？ 日志系统太繁琐，自己搭太浪费时间？ 字符串处理 STL 不够顺手，找不到轻量工具？  其实 GitHub 上有很多非常优秀的 C/C++ 工具类库，可以 即插即用、跨平台兼容、文档完备，适合在项目开发、竞赛或学习过程中快速上手。 🔧 推荐工具库 TOP 5（含 Star、简介、适用场景） 1️⃣ nlohmann/json  🌟 Star：4...

1.ai不是结果，而是工具在实际操作过程中，应根据业务实际，选择合理的工具，并不一定要使用ai，如果业务逻辑足够简单，传统数字化手段也能解决，那就使用传统数字化工具。2.当前ai市场竞争格局上游：算力、数据、算法算力：底层是以英伟达为代表的gpu生产商，当前的代表性显卡：A100、H100、GB300，每每提到gpu就不得不感叹部分大学教授的眼光之毒辣，远在我本科的时候，当时和一个应用统计的教授做项目，当时他就有意让他的学生学习gpu编程，当时没当回事，现在回国头来看，也是感慨万千。除了gpu的生产商，还有国家、大厂简历的各类算力集群、智算中心，在这个时代，计算力又何尝不是一种武器呢。数据：主要就是提供各类数据存储的公司，其实按理说我觉得应该还有提供数据集的部分内容，今天刚听了白鲸实验室采访一个大模型方向的博士后的文章，他提到以后可能当前的数据，高质量数据已经不够大模型训练了，如果使用大模型自己生产的数据来训练，会出现模型坍缩（好像是这个名字）。也难怪当前对高质量标注也是比较火热，最近有关注到字节的Xpert计划，这似乎也能说明一些什么。算法：这方面对我来说一直都是浅尝辄止，也许因为本科的一些事情，对这方面的知识存在浅尝辄止，希望通过这次的学习能稍微了解一些。老师说了几个名字CNN、RNN、Transform、MOE、DIT。后续还讲了中游的内容，包括一些技术、平台，以及下游的一些应用，今天有些晚了，留着明天来写吧。

实现一个黑色圆点， 🥇 1. 最基础的方式（div + border-radius） <div style=" width: 10px; height: 10px; background-color: black; border-radius: 50%; "></div>  🥈 2. 使用 ::before 或 ::after 伪元素 + content .dot::before { content: ''; display: inline-block; width: 10px; height: 10px; background: black; ...