1024！

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...

投了一百多份0个邀面，0个人在意😄😄😄过了个初筛终筛还秒挂🤣🤣🤣

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

深夜，电脑屏幕映照着实验室的一角鼠标轻轻点开那封来自华为的邮件“录用通知”字样映入眼帘长久以来的紧张与疲惫仿佛瞬间消散这份来自华为中央软件院软件开发工程师的offer成为了人工智能与计算机学院毕业生近年来在华为技术岗的一次突破她本科在江南，硕士仍在江南近七年时光 深耕一个赛道她是谁？线索一：肯坐冷板凳，深耕编译器作为“土生土长”的江大人，她的求学之路沉稳又踏实。从本科踏入人工智能与计算机学院，到硕士阶段继续深耕，七年时光里，当同龄人纷纷涌向CV /LLM 模型研究等热门赛道时，她反而一头扎进了少有人问津的底层编译领域——这个聚焦底层技术的研究方向，没有捷径可走，全靠一行行代码的打磨、一次次实验...