许愿许愿

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

Time line2.2 约一面2.4 一面2.5 约二面＋二面2.8 hr面后秒云证2.12 邮箱oc

已经有一段实习了，但是年后投到现在至今0约面😭，是哪里出了问题啊，是双非学历问题还是简历问题啊😭😭求各位大佬指点一下

1. 做一下自我介绍2. 如果一个核心链路已经同步调用很多下游了，为什么还要引入消息队列，而不是继续堆线程池消息队列真正解决的不是“异步”两个字，而是削峰、解耦、容错和流量治理。同步链路堆线程池只能把等待成本从调用方挪到自己进程里，并不能改变系统容量边界；一旦下游抖动，请求会在调用链上层层堆积，最终把连接池、线程池和网关超时一起拖崩。引入 MQ 后，主链路可以只做核心事务，非核心逻辑异步化，下游能力不足时也能通过堆积和消费速率控制做缓冲。不过 MQ 不是银弹，如果业务要求强一致、低延迟、同步结果可见，盲目异步反而会把复杂度转移到补偿和状态机里。3. 从生产端到消费端，怎么把“消息不丢”这件事讲...