笔试是必做的，面试是没有的

双非材料本、985集成电路硕，导师让做AI加速材料计算，但组里没底蕴，想转数字IC验证或直接转码，想问问各位大佬该怎么选？我现在导师的课题组方向非常杂，模拟、数字、算法、器件都有人做，导师本人对学术细节基本不管。给我安排的方向是“利用神经网络应用在材料计算的加速上”，平时主要在弄Python、VASP和神经网络。虽然听起来是AI for Science的前沿方向，但我感觉组里完全没有这个底蕴，导师也给不出实质性指导，感觉找不到对口的工业界岗位。我目前掌握Matlab、Python和基本的C语言，有一些编程基础。现在的纠结在于：是趁着研一刚开始，赶紧自学SystemVerilog和UVM往数字I...

发点面经攒攒人品～项目拷打八股问题：1.大模型幻觉怎么处理？2.agent开发的过程中有没有实现一些约束？3.使用SKILL还是MCP的形式进行交互？聊了一些使用coding agent做开发的问题。1.全流程主导的agent开发（autonomous agent）和以结构化文档为核心通过工作流的方式去驱动（specfic）的方式各有什么优劣？2.你们公司结合AI的开发流程是什么样的3.会基于AI去做CR吗？4.怎么做单测？怎么保证生成的单测能够覆盖全？

入职体检真的太重要了！看完这篇才知道原来体检还有这么多讲究，像我之前完全没想到吃顿小龙虾居然能影响检查结果。特别是那些容易被忽略的小细节，比如穿衣服、生理期这些都会影响体检效果。对于刚毕业的新人来说，提前了解这些注意事项真的能少跑很多冤枉路。春招季马上到了，赶紧收藏起来，关键时刻能救急。本文为职场新人提供了一份全面的入职体检攻略，包括体检前的准备事项、基础检查项目详解、突发状况处理方法、体检前必做的五件事以及体检流程提速技巧。强调了体检的重要性，提醒避免因饮食和生活习惯不当导致体检结果不理想，影响入职。同时，文章还提供了体检前的准备清单和流程优化建议，帮助读者顺利通过体检，确保健康入职。

气笑了,写了半个小时感觉没GPT讲的好,喂给GPT帮我重写了一下,但是有些缩写没说明LCS = Longest Common Subsequence，最长公共子序列LIS = Longest Increasing Subsequence，最长上升子序列BIT = Binary Indexed Tree，树状数组suf[i] = suffix 的缩写，这里表示“从 i 开始的最优长度”给你两个长度为 2e5 的排列 p 和 q，求它们的最长公共子序列中字典序最大的一个。例如：104 7 8 9 5 10 2 1 3 63 2 6 10 8 9 1 4 5 7ans: 8 9 5补了半天，也是补出来了。整体思路其实分两步：第一步，先把 LCS 转化成 LIS。因为 p 和 q 都是排列，所以每个数在 q 中出现的位置唯一。把 p 中每个数替换成它在 q 里的下标，原问题就转化成了求最长上升子序列。第二步，为了方便构造字典序最大的答案，记录每个位置的 suf[i]。suf[i] 的意思是：如果当前选了第 i 个位置，并且把它作为这一段的开头，那么从这里开始最多还能选出多长的合法序列。注意，这个长度是包含当前位置自己的。然后贪心构造答案。从最大的 suf 开始往下做，每次都在当前这一层里选能选到的最大值。这里“能选到”不只是原排列里位置要在后面，还要求它映射到 q 里的位置也在后面。这两个条件都满足，才能保证它仍然是公共子序列。时间复杂度分析：映射下标 O(n)。算 suf[i]，本质上还是 LIS 的 DP，可以用二分 / 树状数组 BIT 加速到 O(nlogn)。构造时，把 suf 相同的位置放到同一个桶里，同时记录它们的原值和原下标。每个桶内按值从大到小排序，然后从大到小枚举 suf，顺着扫一遍找第一个合法位置即可。这样排序总复杂度是 O(nlogn)，最后构造整体扫一遍是 O(n)。所以总复杂度是 O(nlogn)，2e5 可以通过。下面说一下为什么能转成 LIS。最长公共子序列这题，如果两个序列都是排列，那么把其中一个排列里的元素，替换成它在另一个排列中的下标，就可以转成 LIS。核心原因是：“值相同且顺序一致”等价于“映射后的下标严格递增”。这一步成立的关键条件就是：排列里的每个数只出现一次。比如在 p 中选出一个公共子序列：p[i], p[j], p[k]如果它在 q 中也按同样顺序出现，那么它们在 q 里的位置一定满足：pos[p[i]] < pos[p[j]] < pos[p[k]]所以公共子序列就对应着一个上升子序列，LCS 也就变成了 LIS。最后说一下 BIT 为什么能算 suf。这个本质上还是 LIS 的 DP。如果从右往左扫，设 suf[i] 表示以 i 位置开头时最多能选多少个，那么转移就是：suf[i] = 1 + max(suf[j])，其中 j > i 且 p[j] > p[i]也就是：要从右边、并且值比当前大的位置里，找一个最优的接在后面。这个可以用 BIT 维护前缀 max 来加速。因为 BIT 的结构天然适合维护前缀信息，后面的块会汇总前面的信息，而前面的不会被后面的影响。只要维护的是 max 这种可合并的信息，就能像维护前缀和一样维护前缀最大值。而这里值域又正好是 1..n 的排列，所以非常适合直接用 BIT 做到 O(nlogn)。