这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

大佬们，我快顶不住了。up四非本211硕投了三十家了，只有滴滴给了面试，但是是处女面，一面挂了。美团笔试做了后似乎太差，三个志愿都挂了华为笔试挂网易笔试挂京东投了没给面，一直泡池子百度一直挂一直投快手也是一直挂一直投阿里10个已经挂了7个，剩下三个估计也没戏了字节给面，约了下周三腾讯还在池子里pdd估计这两天笔试其他的厂都是投了没鸟我想请教一下大佬，是简历有问题么需要补充ai的项目进去么，要做rag的项目么还是agent感觉自己凉的不能再凉了啊，周围的同学基本都拿到offer了，好焦虑

海投二百多份全石沉大海了，求大佬们给个建议

想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！