jd vs hw

感觉这学期课程比上学期略少，会有不少空闲时间喵~算法：1.至少每天3道算法题（该把寒假的懒惰戒掉了喵）2.每周至少两次牛客或cf赛（寒假几乎没打了，昨天打了场小加几分，感觉3月能再上200分喵）项目：依旧学校大创，玩玩树莓派其实还挺有趣的喵，1.估计前半个月可以把天气显示UI爆改得更人性化，更美观2.加人脸检测，熄屏模式加上3.单独写以上两个应该会比较简单，第二条之前的项目有过差不多的人脸识别经历，但两部分代码合到一起估计会有点难，就交给队友吧喵！

我头一次听这个问题的时候，寻思，这不简单，现在模型的上下文那么老长，“用向量数据库存历史对话，每次检索相关内容拼进去”，不就得了。然后过年吃饭和一个做算法的同学聊到这里，他告诉我，这样回答根本拿不到分。1.先看GPT咋做的前阵子网上比较火的一个帖子，有开发者通过对话实验，把ChatGPT的记忆机制逆向了出来。结果挺让人意外的，整套系统没有向量数据库，没有RAG，没有 Embedding 召回，甚至连相似度匹配都没做。就是四层纯结构化设计，干干净净。我当时也疑惑：GPT又不算Agent，这个例子能说明什么？你先罚一杯！ChatGPT的确是对话产品，不是严格意义上的Agent。但它的Memory设...

历经两个月的鏖战，终于拿下某大厂算法岗Offer！复盘了30道高频面试题，分享给正在备战的同学：机器学习基础（10道）手推LR推导，为什么用交叉熵而不用MSE？偏差方差分解，Bagging vs Boosting怎么对应？XGBoost相比GBDT的改进点？二阶泰勒展开的意义？特征工程怎么做？连续特征离散化的好处？类别不平衡如何处理？Focal Loss原理？正则化L1、L2区别，为什么L1能产生稀疏解？聚类算法K-Means的优缺点？如何选K？模型评估指标：AUC计算逻辑和业务含义？随机森林的随机性体现在哪？梯度消失/爆炸原因及解决方案？深度学习（10道）11. BN原理，训练和测试阶段有什么区别？12. Transformer的self-attention计算过程？为什么要除√d？13. BERT的预训练任务是什么？WordPiece作用？14. 激活函数ReLU vs LeakyReLU vs GELU？15. 优化器SGD、Adam、AdamW的区别？16. 过拟合如何判断和解决？Dropout原理？17. 多卡训练：数据并行 vs 模型并行？18. Attention的几种形式？Additive vs Dot-Product？19. 残差连接为什么有效？20. 卷积参数量和FLOPs计算？手撕代码（5道）21. 手写Multi-Head Attention22. 实现二分类交叉熵损失函数23. 快速排序/归并排序（常考！）24. 编辑距离/最长公共子序列25. 二叉树遍历（递归+非递归）业务场景（5道）26. 短视频推荐，冷启动怎么解决？27. 广告CTR预估，特征怎么设计？28. 搜索排序，如何平衡相关性和多样性？29. 用户长短期兴趣如何建模？30. 线上AB测试，指标怎么选？

秋招前总带着学生气的傲气，觉得凭着Java基础、实习经历、项目经历就能稳拿心仪offer，投递时非大厂不投、非核心岗不考虑，对薪资和发展路径有着近乎理想化的期待。可真正踏入这场“战场”，才发现行业竞争远比想象中激烈：精心打磨的简历石沉大海，技术面被面试官追问JVM底层原理、分布式锁实现细节时语塞，群面中努力表达却难突围，甚至收到的几个offer要么与预期差距悬殊，要么岗位与职业规划不符。几轮下来，那份初生牛犊不怕虎的锐气渐渐沉淀，取而代之的是对自身能力的清醒认知——原来自己的技术短板还很多，项目经验在企业级需求面前仍显稚嫩。秋招磨平的不是心气，而是不切实际的浮躁，留下的是脚踏实地的清醒，让我们在求职路上学会了低头复盘、抬头前行，也更明白：好的职业起点，从来不是一蹴而就的幸运，而是实力与心态的双向匹配。