博士硕士化？

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...

其实还挺不容易的，也算是转码之路的里程碑了

与其说是避坑笔记，不如说是一个系列的开篇，后续更新跟进信息会放在评论区，最近关注到AI+CFD/CAE方向的活跃程度，也觉得是一个AI渗透的重要指标，校招或者比较关注发展性的求职者，可以把该方向作为一个重点关注方向，AI进入游戏、金融和互联网都还算是圈禁在虚拟世界，一旦在CFD方向有很大的进步，相信制造业企业都会跟进，相比传统的视觉找缺陷做诊断，个人认为这个方向在重新定义机械和结构岗位的工作内容，个人非理工专业，表述不准的地方希望指正。1、主要分三类，跨行大厂，工具大厂和初创公司，根据主攻行业来看，绝多数都会集中在空/天/船、气动和热管理方向，材料研发和分子动力等关注较少；2、多数AI+CFD...