wxg timeline

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...

4.27hr面，当天下午转录用评估。北京的🐧，希望流程顺利。

咱不说“我能背锅，出了事可以挨骂，ai可以吗”或者反问面试官“那么你比ai优势在哪，你不也是个打工人吗”这种俏皮话？真遇见这问题，咋个回答~面试官是一个看着很资深的技术总监。他喝了口水，突然抛出了一个非常尖锐的问题：“你平时用 AI 写代码吗？现在 AI 敲代码的速度比你快 100 倍，错误率还比你低。在这种背景下，你觉得程序员的核心价值到底在哪？未来的出路又在哪？”这个问题其实我私下里思考过无数次。当 ChatGPT 刚出来能手写红黑树的时候，我也曾后背发凉，甚至怀疑过自己是不是马上要失业了。面对面试官犀利的眼神，我深吸了一口气，给出了我的回答。认清现实：编码的边际价值正在归零我回答面试官的...

😋😋😋