格力和奥特维选哪个好

大家好，我是双非计科大三学生，大一大二在学生组织里待过，沟通和协作方面还算擅长，但是代码学的不太好，现在打算直接就业，不考公不考研，想找一份实习。之前一直在徘徊方向：试过投产品助理，也接触了前端的HTML/CSS/JS，发现自己对“能看到效果”的东西挺感兴趣，现在每天在B站跟着视频敲代码，也在了解软件测试的基础内容。目前还在入门阶段，看面经会懵，对比同学进度会慌，也知道自己现在学的还很基础，离能拿得出手的程度还有距离。但我不想再内耗，也不想一直逃避，想踏实往前走，只是现在有点迷茫，不知道下一步该怎么选、怎么学。想问问大家：1. 零基础想找实习，测试/前端/产品助理哪个方向更容易入门？2. 有没有适合零基础的入门资源或学习路径推荐？3. 怎么平衡 打基础 和 投简历找机会 的节奏？如果能给点建议真的非常感谢，也想和同样迷茫的朋友一起交流打气💪

请问大家，第一段实习做的llm，纯文本。第二段实习投mllm可以吗，mllm完全没项目，要投只能找个开源的项目去投

后悔选计算数学搞CG了，自己入门搞了好久选了组内一直做的冷门方向，投简历发现要的CS知识都没接触过，代码能力也一坨，我个人还是喜欢搞理论一点，明年毕业感觉还不如纯数直接读博一条路走到黑了。数学沾点，计算机也沾点，但都不精两头都不讨好😭只有一段本科时候实习的经历都过去三年了，但奈何没东西写，听同学说秋招拿不到offer基本上就寄了，春招更没hc，急头白脸整了下简历打算投一下暑期实习，4月投到现在0面试，虽然有面试估计也是被刷，0实习0竞赛0奖非科班是不是可以放弃幻想了😢math不去教培或者中学是不是已经没地方收容了，以前想着硕士毕业月薪2w就知足了，现在跟以前同学聊了聊，发现大多数都转计算机了，还留在数学的感觉现在毕业能拿十五到二十个已经阿弥陀佛了。

攒攒人品！ 1.项目拷打2.vision-language 对齐是 joint embedding 的？，那做了哪种对齐？有做 hard negative mining 吗3.所有视角共享 encoder 吗？如何防止view collapse？4.semantic space是如何保证cross-modal consistency的5.用diffusion model做动作策略，是怎么建模action space的6.如果多个diffusion模型组合，用了 gating 机制还是 uncertainty-aware ensemble？那 uncertainty 是怎么量化的？有对比过 epistemic 和 aleatoric 吗？7.怎么防止action drift？有没有引入 consistency regularization或者temporal smoothness loss？8.在surgical robotics里policy failure cost 很高，是怎么做risk-aware training 的？有没有加入 CVaR loss10.模型泛化能力是靠数据多样性还是结构归纳偏置？能列出你设计中的 inductive bias 吗？对 unseen 手术任务怎么泛化11.surgical scene 变化很大，怎么办12.你说MAE 是做关键帧 reconstruction，那帧选择怎么做？具体打分逻辑是怎么样的13.有没有做 token-level saliency analysis？你怎么知道模型真的关注了 surgical tool 而不是 background？部署是在 ARM 上还是 X86？有没有模型并行？多线程和多进程各负责什么14.做多模态感知融合时，视觉、语言、触觉（如果有）延迟不同，怎么对齐的15.整个pipeline的E2E latency是多少？瓶颈在哪你说中间用了 LQR，你 gain matrix 是 constant 吗？有没有做 gain scheduling？基于什么指标调的16.控制系统稳定性你怎么保证？有没有做过 Lyapunov 函数证明17.做过 trajectory optimization 吗？是基于 collocation 还是 direct shooting18.假设你有个 policy 输出波动很大，你会考虑在 policy 层加高通滤波器还是在 loss 层加 penalty？为什么？19.diffusion policy 是连续动作空间，那你是建模 joint distribution 还是 marginal20.语言指令不是 deterministic 的，你们是直接用 language embedding 吗？有没有考虑language-conditioned latent variable model？