25算法秋招记录

背景：本双非硕9。本科有一个省三竞赛奖，其他都是学生工作经历or志愿者经历。坏消息是，目前实验室导师放养，写不出论文，九月份就研二了，导师给的创新点不实用，最近还跑出去带实习了。好消息是，导师很好说话，放实习，明年春夏都可以去实习，也支持换其他方向，允许投开源毕业。目前的烦恼有二：论文和工作方向论文的话，目前还是想继续做导师的大数据方向，苦恼于无创新点。但是做其他方向就更没人指导了工作的话，听师兄说大数据方向已经不太行了，俩师兄一个打算转后端一个打算秋招再看看。我个人的想法是转后端or手搓ai大模型，但是听说ai要顶会和竞赛。。想在今年内写好论文投出去，然后做两个项目，年底开始找明年的实习。有没有大佬现身说一下大数据、ai目前的形式？或者指点一下我现在该怎么做，有点迷茫不知道该从何下手了。师兄都出去实习了，工位经常就自己一个人，有点玉玉了。

各位大佬好，本人暑期现在有几个选择。不知道该怎么选了，特别是一些实习认可度上的情况，来求大家建议一下。本人bg双九，研究方向纯文本大模型有paper在投但没中。一段硬件厂实习，华米这种。现在在微软实习，均为算法岗，实习都有的写。选项如下:1. 阿里云，说到底其实就是客服机器人，大模型SFT，杭州2. 腾讯安全， 安全垂域大模型，深圳3. 商汤，多模态大模型，上海4. 继续在微软实习到7月底然后离职，后面all in秋招。期间还可以备考电网这样的国企。现在主要担忧点有如下几个方面:1. 简历没有BAT，觉得加一个阿里系比较好2. 担心阿里云暑期太忙，耽误秋招，说实话不是很喜欢阿里云这个方向各位大佬给点建议，感谢！

攻略🌈【大模型评估全攻略】！LLM七大核心评估维度保姆级拆解💯👉🏻预训练→SFT→RLHF→数据集→RAG→Agent→Prompt🔥一、预训练评估评估大型语言模型（LLM）的预训练效果需要从多个维度综合考量，涉及基础语言能力、下游任务表现、知识掌握、推理能力等。🔥二、SFT评估评估大型语言模型（LLM）在监督式微调（Supervised Fine-Tuning, SFT）后的效果，需要结合任务目标、领域特性和模型能力设计多维度的评估体系。🔥️三、RLHF评估评估大型语言模型（LLM）在通过RLHF（基于人类反馈的强化学习）后的效果需要从多个维度综合考量，包括生成质量、安全性、对齐性、任务完成度等。🔥四、数据集评估在评估数据集的质量时，可以从以下几个关键方面进行评估：1. 数据多样性2. 数据平衡性3. 数据完整性4. 数据一致性5. 数据与任务的适合性6. 标注准确性🔥五、RAG评估从召回、排序、生成、整体四个维度来评估RAG性能。使用了多种指标，如准确率（Correct）、错误率（Wrong）、失败率（Fail）、BERTScore、ROUGE Score等，以全面评估生成答案的质量。🔥六、Agent评估现如今Agent开发工具/框架不断出现，但如何全面地对Agent进行评估却很困难，本文就从介绍一些主流的Agent/LLM-as-Agent评估工作来看看是否能得到一些启发。🔥七、Prompt评估评估Prompt的好坏需要一个全面和多维度的方法，结合自动评估指标、人工评估和用户反馈等多种手段。选择合适的评估方法和技术，能够有效提升Prompt的质量和生成效果，进而提高模型的整体性能和应用体验。通过不断优化和改进Prompt设计，可以实现更自然、更准确、更有效的自然语言。

双末9计算机科班，秋招准备投Java后端，大厂和央国企都会投，无相关实习、无论文，有一段3个月的某研究所（无实习证明）FPGA开发经验，毕设FPGA相关，不打算从事相关行业。已准备算法，八股和项目补足进行中，行测准备进行中这段实习写简历上有用么？有必要把这段实习包装成后端项目么？包装的话，也只能拿自己设计的玩具项目去包装如果不写这段不相关的实习的话，简历上除了学历、项目、奖项，别的也没得写，害怕因为无实习经验筛人，比较纠结😔