27届后端岗，今天面了个深圳，百人厂，面试20min，面试官没开摄像头。没让自我介绍，上来就查户口，家里情况有无兄弟姐妹...然后呢，问我高考分数，为什么考xx大学，接着问求职规划。有聊一下ai使用的情况和当下的市场环境，问我了解4A吗，我说没了解过，他介绍了一边4A给我听，然后让我复述一遍。并给他们的重要程度做个排序。反问环节：1.问业务，做半导体风控的。2.有无对实习生有技术上的支持和模型的配置。（这点我自己摸索出来的我觉得很好，说一下自己使用ai用哪些配置，聊投机了面试官说不定会让你谈谈使用感受和经验，让他感觉你真的用过）。3.薪资-开4000，有住宿。不太懂这是kpi面，还是厂真的确认...

说实话我当时秋招的时候就一个目标：必须进大厂。不是说小公司不好，而是我双非本，如果第一份工作再没个好平台背书，以后跳槽简历都不好看。事实上我把大厂投了个遍，笔试挂了一大半，面试又挂了几家，最后就拿了一个offer。过程确实很痛苦，但我觉得值。进来之后感受就是：流程规范、技术栈新、身边同事都很强，每天被卷但也确实在成长。而且说句现实的，大厂的薪资确实比同届去小公司的同学高出不少。当然我也知道大厂有大厂的问题，什么螺丝钉啊内卷啊，但我觉得对于实习来说，先进去学再说，后面想走随时可以走，但第一份工作的起点真的很重要。

最近在准备找第二段实习，主要方向想转向 Agent / 智能体开发。目前已经学习了 SpringAI 和 langchain等技术栈，完成了一个支持自定义工作流的项目，能够理解整体架构设计与执行逻辑，具备一定的智能任务编排思路。希望大佬们看看我的简历！

1. 为什么选择这个方法？是否尝试过其他 Baseline？效果对比如何？ 回答范例与解析（以选择 SAC 算法为例）： 在我的机械臂抓取项目中，我最终选择了**柔性动作评价（Soft Actor-Critic, SAC）**算法。   尝试过的 Baseline：  DDPG (Deep Deterministic Policy Gradient)：由于是确定性策略，在具身连续控制中探索能力极差，极易陷入局部最优。 PPO (Proximal Policy Optimization)：虽然稳定，但作为 On-policy 算法，样本效率（Sample Efficiency）太低，在真实机械臂...