现在已经 5 月份了，暑期实习这波基本就是该投的赶紧投、该准备的赶紧准备的时候了。很多同学前面一直在学板子、做项目、补八股，结果真正开始投的时候反而有点发懵，不知道企业一面大概会问到什么深度。尤其是嵌入式这个方向，很多人一开始准备的时候容易跑偏。要么就是一直刷 STM32 外设配置，觉得把串口、中断、PWM、I2C 都会了就差不多了；要么就是光背概念，背了一堆 volatile、指针、RTOS、通信协议，真到了面试里又接不上项目。其实一面的特点很明显，不一定上来就问特别深，但一定会围着你的项目、基础知识、调试能力、系统理解去展开。你说你做过单片机项目，他不会只听你讲“做了什么功能”，更想知道你...

太丢脸了 但是实在太焦虑了，请问一下26届的友友们，大家都找到工作了吗

记得上次找日常实习从投递到最后offer总共花了51天这次暑期也是惊人的相似，从开始投递到offer也是花了51天暑期总结蚂蚁3月20一面挂阿里所有意向简历挂美团3月18一面挂字节3月17投递3月23一面3月27二面3月30三面，三天后挂+转岗4月10从二面复活4月17三面4月20offer快手4月1日一面4月13日二面4月20hr面百度4月11日一面4月14日二面4月17日三面这回教训就是以后不要在职面试了，实在太累+心态不稳，一开始想着就算没有公司要还能在现在公司赖着，最后活也不想干，面试也不想面感谢字节收留了，听说强度不小（早10晚10），好在base在广州，希望顶住😥😥

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...