京东物流-技术与数据智能部怎么样？

京东集团-京东零售-平台产品与研发中心-国内事业部产品研发部-家电家居生活产品研发部

最近看到不少同学在讨论京东的TGT，研究方向涵盖多模态大模型与应用、机器学习、搜索推荐广告、空间与具身智能、高性能与云计算、大数据、AI Infra、安全方向，我个人还是比较看好的，分享一下原因：✅ 技术深度强直接进入京东核心部门，接触核心业务（比如零售中台、物流算法团队），接触亿级流量场景（如618大促）。专注技术突破，不用关注日常琐碎事项。✅ 培养体系完善三导师制（技术+业务+成长导师），第一年做这个培训资源倾斜一定会给足有机会参与京东重大技术决策，这个也算是比较有诚意的了✅ 薪资竞争力高我觉得这次没说100w，没说200w，说的不设上限，就已经算是京东的诚意了

RAG 是啥？RAG，全称 Retrieval-Augmented Generation，意思是 “ 检索增强生成 ” 。以前的 AI 模型知识有限，还可能答错或者答得不靠谱，而且企业用起来也不安全。RAG 就是来解决这些问题的！它能让 AI 在回答前先去 “ 图书馆 ” （知识库）搜资料，再给出答案。RAG 怎么干活？RAG 的工作流程简单来说就是三步走：你问我答：用户问问题，比如 “ 今天吃什么好？”，RAG 系统接收到了。翻书找答案：RAG 的 “ 小助手 ” 会飞快地在知识库里找相关资料，比如美食推荐、营养搭配之类的。整合输出：把找到的资料和问题混合在一起，扔进大模型里加工，生成一个超棒的答案，比如 “ 今天你可以试试清蒸鲈鱼，肉嫩味美，还很营养哦！”。RAG 的核心组件RAG 主要有两个核心组件：检索器（Retriever）：就像在图书馆里负责找书的管理员，能在知识库里快速定位到相关资料。生成器（Generator）：拿到资料后，它就像个作家，把资料和问题结合，生成最终的回答。RAG 跟其他技术比有啥厉害之处？对比直接用大模型 API 或者微调，RAG 有这些牛 X 的地方：知识更新快：知识库能实时更新，AI 就能立马掌握新知识，不用重新训练，省时省力。省钱省心：不用大规模重新训练模型，成本大大降低。不会忘事儿：不会像微调那样，在没训练过的任务上表现不好，稳稳地保留了模型的通用能力。不过呢，RAG 也有点小缺点，比如在特别需要深度理解和风格模仿的问题上，可能就没微调那么厉害。RAG 的关键环节和挑战文档切分（Chunking）：把文档切成合适的大小，就像切蛋糕一样，得找到那个完美的大小，不然可能影响检索效率。Embedding 模型选择：选对模型就像给汽车选发动机，直接决定向量表示的质量，影响后续的检索和生成效果。检索效果评估：得时刻监控检索的召回率和精确率，就像给检索系统做定期体检，有问题及时调整。向量数据库的作用：它是高效存储和检索向量表示的中流砥柱，就像给知识库装上了超级导航，能快速定位到相关信息。整体效果评估：要时不时对 RAG 系统来个全方位体检，从生成答案的准确性、相关性等方面打分，确保系统一直在线。

面试情况25届双非本科，有 ACM 竞赛经历，两段实习（小厂 + 独角兽）。以下为2024年11月到次年5月的春招及其补录面试情况，若对个人秋招经历感兴趣，可查看另一篇置顶文章。通过某区级供水国企汇丰科技：线上行为测评 → Coding 测试 → 线下技术 & HR 面东方财富：一、二轮线上面，三轮线下技术面招银科技：一轮线上技术，二轮、三轮线下技术和HR元戎启行：三轮技术面 + HR 面，一共四面面试挂拼多多：客户端，三轮技术面挂，手撕没撕出来4399：一轮技术面挂微派：一轮技术面挂，手撕没撕出来以下是个人无意向故提前主动终止流程，以免影响其他候选人广州农商银行：线下笔试，一轮面试，...