叠纸游戏测试

继续昨天的话题，ai行业当前现状，中游来说有AI开放/开发平台、机器学习、知识图谱、计算机视觉、自然语言处理、智能语音。AI开发平台：包括阿里、百度、腾讯提供的协助ai开发者进行开发的工具，其实感觉硅基流动应该也算，ai开发平台作为ai时代的基座，也许将和现在互联网时代提供服务器的厂商一样，但是刚刚又想到，这种开发ai的平台，是不是也可以类比为早期的建站工具，或者最近很火的低代码平台，但如果按这个思路下去，其未来发展方向还真不一定好，到底未来会如何，还需要继续观察。AI开放平台：这个其实不是大模型时代的专属，早在十多年前，API刚盛行那会儿，就已经出现了，但是那会儿更多是提供各类算法，包括图像识别、语义分析、TTS等等，只不过现在加入了llm而已，不过在这个agent盛行的时代，这类还真是时代的宠儿。知识图谱：主要应用是搜索引擎和推荐系统，在llm出现之前，知识图谱的热度一度甚嚣尘上，但是llm出来之后，这类研究已经少了很多了。CV：当初最著名的CV四小龙：商汤、云图、依从、旷视，各有各的发展，有的如日中天，有的泯然众人，也是很感叹了。NLP：那天听到一句话，觉得用在这里非常合适，chatgpt的出现终结了NLP，但是deepSeek的出现又给学术界带来了新的希望。智能语音：曾有幸在讯飞实习过一段时间，那会儿的讯飞还以ASR最为出名，但当时讯飞在智能语音的优势已经略显不足，还记得当时的leader讲过一句话，我们识别准确率99.5%，百度准确率99.2%，我们有这么一点优势在用户层面是体现不出来什么的。现在来看，确实如此，幸好讯飞抓住了llm这一风口，最先推出国内第一个大模型，再之后利用一直以来的渠道，狠抓Ai+教育，现在也是过得风生水起了。下一part为大模型相关的内容。

面经：网申方向填的系统一段中厂策划实习 战斗执行+系统+UI笔试互娱今年是统招 笔试4选3 答了系统战斗数值（数值没做完..）一面两个面试官40min主要围绕实习经历、游戏具体设计分析这两块聊。实习经历都是比较常见的能准备到的问题不多说了游戏这块1经典问题最近/这半年玩了什么游戏提了鸣潮并简单聊了 鸣潮/原神的声骸/圣遗物 系统对比被追问鸣潮为什么要做在大世界的声骸获取、目前系统有哪些体验/设计问题、如何改进介绍一个你觉得比较有趣的玩法提了一个最近玩的rouge（雪居之地）对照尖塔描述了玩法流程和战斗系统上的不同网易游戏（互娱）2026届校园招聘启动啦内推福利推荐(仅限第一志愿)直通笔试或简历...

1.ai不是结果，而是工具在实际操作过程中，应根据业务实际，选择合理的工具，并不一定要使用ai，如果业务逻辑足够简单，传统数字化手段也能解决，那就使用传统数字化工具。2.当前ai市场竞争格局上游：算力、数据、算法算力：底层是以英伟达为代表的gpu生产商，当前的代表性显卡：A100、H100、GB300，每每提到gpu就不得不感叹部分大学教授的眼光之毒辣，远在我本科的时候，当时和一个应用统计的教授做项目，当时他就有意让他的学生学习gpu编程，当时没当回事，现在回国头来看，也是感慨万千。除了gpu的生产商，还有国家、大厂简历的各类算力集群、智算中心，在这个时代，计算力又何尝不是一种武器呢。数据：主要就是提供各类数据存储的公司，其实按理说我觉得应该还有提供数据集的部分内容，今天刚听了白鲸实验室采访一个大模型方向的博士后的文章，他提到以后可能当前的数据，高质量数据已经不够大模型训练了，如果使用大模型自己生产的数据来训练，会出现模型坍缩（好像是这个名字）。也难怪当前对高质量标注也是比较火热，最近有关注到字节的Xpert计划，这似乎也能说明一些什么。算法：这方面对我来说一直都是浅尝辄止，也许因为本科的一些事情，对这方面的知识存在浅尝辄止，希望通过这次的学习能稍微了解一些。老师说了几个名字CNN、RNN、Transform、MOE、DIT。后续还讲了中游的内容，包括一些技术、平台，以及下游的一些应用，今天有些晚了，留着明天来写吧。

java一面问题：1. jvm内存分布2. Java线程池参数和含义3. 双亲委派4. concurrenthashmap实现原理5. spring aop6. jdk动态代理和gclib代理区别（没答上来7. redis数据结构8. zset底层和用处9. redis缓存穿透、缓存雪崩、缓存击穿10. 回表11. 怎么避免回表情况（忘了12. rabbitmq保证生产者和消费者消息可靠性13. 如何判断单向链表是否有环14. 挑几个设计模式介绍（单例、工厂、代理、适配器、观察者万得Wind25届校招招聘（❗️24/25/26届可投）【关于我们】万得是中国大陆领先的金融数据、信息和软件服务企业...