02-08 22:52 门头沟学院 Java 发布于江西

关注

秋招让心气更沉稳了

#论秋招对个人心气的改变#
以前的时候面个试就会紧张,问到自己会的问题也会大脑宕机,面试完整个人像个刚出炉的考地瓜
每次面试完都恨不得给自己两耳光,感觉自己错过了大好机会
后面面试多了渐渐也习惯了,也知道人生不会因为一个选择就变得与众不同
人生的容错率还是很高的,面试也开始得心应手,虽然还没拿到好的offer,但是春招加油

全部评论

推荐最新楼层

站队站对牛

门头沟学院机械设计/制造

秋招拿好一点的offer呢

点赞回复分享

发布于 02-15 22:54 四川

ros275229

博尔塔拉职业技术学院 Java

春招加油，多复盘，查缺补漏

点赞回复分享

发布于 02-11 15:41 湖南

嵌入式的小白

西安理工大学嵌入式软件开发

至少秋招有收获，加油，好事多磨，春招肯定能拿到满意的ofer的

点赞回复分享

发布于 02-09 21:39 陕西

哈哈哈，你是老六

门头沟学院大数据开发工程师

面试多了就大部分会了

点赞回复分享

发布于 02-08 23:17 北京

03-01 13:26

黑龙江大学 Java

面试问到chunk心慌慌？从企业开发者角度谈一谈具体的chunk策略选择

之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

AI求职实录

点赞评论收藏

03-04 20:00

广西科技大学测试工程师

论保底offer的自我修养

自从有了保底，我居然开始认真写毕业论文了。毕竟要是春招没冲成，我就得拿着这个offer毕业入职了，要是毕不了业，连保底都没了……所以，现在的我，在图书馆疯狂查重降重。

春招开局，你有保底off...

点赞评论收藏

03-23 08:41

北京邮电大学嵌入式工程师

转正其实就看这几个点,看看你平时注意没

正文如题，通过转正答辩只描述了结果，为了达成这个结果我们往往需要将其拆解为若干关键步骤，只要相关的步骤都完成了转正就是理所应当的结果(HC数量少或业务变动除外)。工作量达标(有产出)对业务的理解到位工作态度端正(主动性强，责任心强)沟通能力达标(与合作的同事沟通顺畅)下面就上述若干点逐一叙述。工作量达标工作量也即产出，可以通俗地理解为上线了多少需求，写了多少代码。对于不同业务线的同学来说，工作内容也有所不同。比如业务部门的同学平时主要关注落地实际需求，也有一些性能优化的技术需求(例如优化接口耗时)。实习的同学一方面由于经验不足，大部分工作都是由mentor指派一些较为简单的需求。对于交代的需求...

点赞评论收藏

02-24 20:17

太原理工大学 Java

回头草

秋招面试通过了没去，问hr说春招可以投递，春招投递还需要重新笔试和面试吗

点赞评论收藏

03-03 15:53

已编辑

黑龙江大学 Java

我做过的，被面试官夸爆的那些Ai项目(一)

在当前开源项目极为丰富的背景下，付费资源并不一定意味着最前沿的技术优势，在具体执行层面展示出自己的独特价值，才是简历上最重要的加分项。1. WebMCP — 让网站主动告诉 AI 该怎么操作AI 操作浏览器的方案一直靠"猜"——截图识别、DOM 解析，错误率 15-30%。WebMCP 反过来，让网站自己声明能做什么，AI 直接调用结构化接口，准确率接近 100%。Chrome Canary 已实装。企业内部系统的 WebMCP 适配目前几乎没人做，是明确的蓝海。推荐理由：简历上写的不是"我会用某个框架"，而是"我在标准刚发布时就做了企业适配&...

书海为家：#人脑vsAI# 尽管深度学习的最初灵感来源于人类的大脑，但二者的运作方式截然不同：深度学习所需要的数据量远比人脑所需要的多得多。可是一旦经过大数据训练，它在相同领域的表现将远远超过人类（尤其是在数字的量化学习，例如挑选某人最可能购买的产品，或从100万张脸中挑选最匹配的一张）——相对来说，人类在同一时间内只能把注意力放在少数几件事情上面，而深度学习算法却可以同时处理海量信息，并且发现在大量数据背后的模糊特征之间的关联，这些模糊特征不仅复杂而且微妙，人类往往无法理解，甚至可能不会注意到。虽然深度学习拥有人类所缺乏的并行处理海量数据的“绝技”，但不具备人类在面对决策时独一无二的汲取过去的经验、使用抽象概念和常识的能力。与人类相比，深度学习想要充分发挥作用，离不开海量的相关数据、单一领域的应用场景以及明确的目标函数，这三项缺一不可，如果缺少其中任何一项，深度学习将无用武之地。

AI求职实录

点赞评论收藏