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...

大佬们帮看看简历，只写了一个项目，两个会不会好点

刚面完海康威视嵌入式岗位的两轮技术面，趁着印象还新鲜赶紧整理出来发上来，给后面要面海康的兄弟姐妹一个参考。整体感受：问得很细，偏底层和操作系统，C/C++ 基础是基本盘，重头戏在 Linux 内核和 RTOS 那块，不能光背八股，得理解原理。两轮加起来快两个小时，强度不小。一面（约 50 min）一面节奏很快，几乎一道题接一道题，基本没什么寒暄。面试官全程对着提纲问，问完一题就直接下一题，有的题会顺着追问两三个点。题目如下：Linux 中断流程，谈谈你对中断上下文的理解C 语言字节对齐的规则，为什么要字节对齐？进程间通信的方式有哪些？为什么要分用户空间和内核空间？C++ 多态怎么理解？C++ ...