985，算法，26届。投了将近一个月，今天复盘了一下整个过程，发现有几个地方效率极低，记录一下。 弯路1：用时间换"仪式感"，而不是实际进展 每次投递前我都要把简历再过一遍，看有没有要改的地方，然后再提交。这个习惯让我每次投递额外多花20-30分钟。 真相是：第N次看简历发现的问题已经边际效益趋近于零。这些时间用来多投几家或者多刷一道题更值。 弯路2：网申填表没有自动化 算法岗很多公司有独立网申系统，我前期手动填了十几家，基础信息一遍遍重录，连父母职业、家庭住址这些都要写。 后来用了牛客网申助手，一次录入之后，打开任何公司的网申页面自动填写，反思了很久为什么没早点用这种工具...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

很多人被问到这个问题时，第一反应是：“因为大模型本质上是概率模型。”这句话不能说错，因为在别的题目场景下，这句话可以作为引用证明试用，但在这个问题下肯定远远不够。面试官往往会继续追问一句：“概率模型怎么了？概率模型就一定会编吗？”如果你答不上来，那这一题基本就丢分了。1：模型从一开始就不是为了“说真话”大模型的训练目标其实很简单：预测下一个最可能的Token。但关键在于，这个目标和“说真话”并不是一回事。在训练过程中，模型从来没有被明确区分过“这句话是真的”还是“这句话是编的”。它学到的只是：在某种上下文下，什么词最有可能出现。因此，它掌握的是语言的统计规律，而不是对世界的真实建模。这就带来一...