海尔海信

最近复盘实习经历，越来越觉得：决定一份实习含金量的，从来不是你活干得有多快，而是你从Leader和Mentor身上“压榨”出了多少认知。很多同学（包括刚开始的我）都容易陷入一种“学生思维”：被动地等着分配任务，做完交差，不敢多问，生怕打扰领导。殊不知，高产出的核心在于“高频互动”与“深度对齐”。关于如何围绕Leader和Mentor做更有价值的产出，分享几点我的心得：1. 对Mentor：从“问怎么做”进阶到“问为什么”Mentor通常是手把手带你的师兄师姐，是你的引入人。 低效沟通： 遇到卡点直接问“这个怎么弄？”，mentor教你做完，你就丢群里不管了。 高产出策略：主动发起同步： 如果在...

面了5个实习生了，技术好的base不是特别考虑，base满足的技术又不太行，真难呀，各位优秀的学弟学妹们毛遂自荐呀【岗位职责】1. 算法优化与落地：重点参与图像编辑（Image Editing）领域的算法研究，特别是针对图像消除（Object Removal/Inpainting）任务的效果优化。2. 核心技术攻关：模型蒸馏：参与大规模生成模型的蒸馏工作，在保证生成质量的前提下，优化模型推理速度与显存占用。RLHF 对齐：探索并应用 RLHF（Reinforcement Learning from Human Feedback）技术，利用人类反馈数据优化生成模型的逻辑一致性与视觉美感。1. 实验与数据管理：负责相关算法实验的配置、运行与结果分析；协助进行高质量训练数据的清洗、整理与构建，建立更高效的数据 pipeline。2. 前沿探索：阅读最新顶会论文，复现并改进 SOTA 算法，探索提升消除任务鲁棒性的新方法。base：深圳薪资：200-400公司：传音邮箱：xin.wang4@transsion.com

不是说字节投就给面吗，我怎么露头就被秒😅

说实话，如果不是最近这段时间重新出来面试，我可能不会这么快把「AI 应用开发」当成一件必须要补的能力。我做过业务系统、做过中台、也踩过高并发和复杂业务的坑。这几年主要精力都在架构稳定性、业务抽象、工程能力上。直到最近一次次面试下来，我明显感受到一件事：各个企业都在想着把AI应用到自己的企业中”。经过一段时间的了解，我整理出 Java 学 AI 的大致方向，我将按照这个路子走下去。我理解的「Java 学 AI」，不是去做什么？在真正开始学之前，我先给自己定了几个边界：不去卷算法、不搞模型训练不从 Python 数学公式开始不追求“AI 专家”人设而是明确一件事：我还是一个 Java 后端，只是要...