秋招真的在补录了？

题目 什么是位置编码？对比绝对位置编码和相对位置编码的优缺点。 一、为什么必须有位置编码？ Self-Attention 对输入做的是集合运算：打乱 token 顺序， 和  的结果完全不变。所以 Transformer 本身无法区分“谁在前、谁在后”，必须显式注入位置信息，否则“我吃苹果”和“苹果吃我”在模型眼里可以一样。这就是**位置编码（Positional Encoding）**要解决的问题。 两种思路：  绝对位置编码：给每个位置  一个向量 ，和 token 嵌入相加（或拼接）后再进 Attention，回答“这是第几个位置”。 相对位置编码：不在输入上加向量，而是在 Attent...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

27届民办学院本找java实习，ssob投了大概1000份只有一个面试，4.1开始投递的，现在感觉也没什么岗位了，最近特别的焦虑，每天就是看有没有人回复我的简历，感觉现在找不到实习就完蛋了，没有了一开始学习java的动力和热情了，我记得最初的我是一个很乐观的人，为什么会这样呢？附简历

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，...