AI时代 vs 传统工作，作为前端实习生的真实感受

坑1：把同事当朋友 → 学会了职场边界感，只谈工作，不聊隐私。坑2：对领导言听计从 → 学会了主动思考，有自己的判断，不再做“工具人”。坑3：不懂拒绝 → 学会了优先级排序，先完成自己的核心工作，再考虑帮别人✨

1. HMM 原理、主要问题、解决方法隐马尔可夫模型（HMM）是一个生成式序列模型，包含隐藏状态和观测序列，通过状态转移概率与发射概率描述序列生成过程。主要任务有三类：概率计算（前向后向）、解码（Viterbi）、学习（Baum-Welch）。主要问题包括独立性假设过强、特征表达能力弱、难以利用长距离上下文。常见改进是使用CRF、BiLSTM-CRF、BERT-CRF等判别式或深度模型。2. fastText 和 word2vec 差异word2vec核心是学习词向量（CBOW/Skip-gram）；fastText在词向量基础上引入子词（n-gram）信息，因此对未登录词、拼写变体、低频词更...

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目拷打3.处理查询文档里的异构数据(如图片)时，具体的处理流程是什么?解析成纯文字后如何进一步加工?这样只返回文字给用户，图片信息不会丢失吗?4.你们是通过人工打标建立图片和文本的对应关系吗?文档量很大的情况下，打标工作能完成吗?5.如何保证大部分图片异构数据解析后回答的正确性?若回答错误，怎么识别问题?后续要验证回答准确性，你有什么方案?6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比?这个大模型的正确率以及模型自我一致性怎么确定?7.你们的模型基于哪些异构图像做增强?模型会不会产生幻觉，生成文档外的内容?8.若用户的问题不在文档里，你们会怎么处理?是调用其他模型吗?大模型回答不了时，会提示用户补充问题吗?用户补充后仍无法解决该怎么办?模型如何判断何时需要让用户补充提问?9.你们有框架编排这些流程吗?用的是什么框架?10.怎么理解检索召回率?这些指标具体包含哪些评价项?什么是忠实度?召回率的分子分母是怎么定义的?11.你之前那段实习的具体工作内容是什么?针对设备故障叙述报告这类复杂文本，模型如何理解?是做了相关检测吗?大模型是怎么实现术语解释的?12.请讲一下LoRA技术，除了减少参数量，它还有什么优点?你做的LoRA相关工作，后续有落地应用吗?13.你写代码主要用Python吗?会不会用Java?了解Java的多线程、双亲委派模型以及消息中间件吗?有没有做过Java相关项目?

实习学不到太多东西其实也挺正常的。很多公司不会把核心任务交给实习生，更多是让你先熟悉环境和流程。别太焦虑，利用这段时间多看看代码、多了解项目，多问问题，慢慢积累经验就好。