通义暑期实习 算法

全程50分钟，不过其中有十几分钟面试官去打电话了😭这次面试官应该是个主管1.自我介绍2.让我挑一个跟大模型更相关的项目介绍，我介绍一个做rag的项目，然后介绍完问了各种问题，到微调的时候他问我lora微调的原理，到缓解幻觉的时候他问我对比解码的细节；感觉他对我的项目不是很感兴趣，可能看着像玩具项目😭3.介绍另一个项目，我的是一个论文项目，我简单整体介绍了一下，然后他对共情提出了一些问题4.反问，问部门业务，好像问到他感兴趣的地方了，他介绍了半天业务😂通义灵码、通义听悟介绍了个遍，笑死了5.问到岗时间啥的，直接祖传话术通义一面完竟然能约二面真是个奇迹，我一面面的巨烂无比，这次要不是kpi面的话那得是有多缺人😂这次应该是个主管，不太懂技术，没算法题也没八股，主要是业务方面的；这次是在我现在实习的公司面试的，面的时候有种NTR的感觉（？）———————————————————更新，两天后约了hr面———————————————————hr面了50分钟（？），比我面过的很多技术面还难顶，服了 #算法#  #面试时最害怕被问到的问题#  #面试中的破防瞬间#  #简历被挂麻了，求建议#  #软件开发2024笔面经#

检索增强生成(RAG)实践：基于LlamaIndex和Qwen1.5搭建智能问答系统 什么是 RAG LLM 会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。 正是在这样的背景下，检索增强生成技术（Retrieval-Augmented Generation，RAG）应时而生，成为 AI 时代的一大趋势。RAG 通过在语言模型生成答案之前，先从广泛的文档数据库中检索相关信息，然后利用这些信息来引导生成过程，极大地提升了内容的准确性和相关性。RAG 有效地缓解了幻觉问题，提高了知识更新的速度，并增强了内容生成的可追溯性...

想问一下投了通义实验室，有没有已经hr面完或者oc的牛客上看到的讨论通义的好像不多呀

大体是对比国内就职和日本就职这风格迥异的区别的一些感慨吧。 首先得声明下确实是我自己太菜了，水平不行提前布局也没做好，导致完全没有能拿得出手的积累空有个科班学历，所以我承认回国没找到工作我自己责任在99%。 但是，下定决心留日以后，我着手做了蛮久的日本就业分析，也感谢女朋友对我诸多笨蛋发问毫不嫌弃的指导。再回头看国内就职的这段经历，惊诧地发现自己之前在国内养成的诸多观念都被震撼到。 当然顶级外企御三家还有line之类的技术要求自然还是不低，但是绝大多数的it公司，真的是对技术要求无限放低，甚至很多都会写明文理不限，未经验可，而且完全不是虚假宣传是真的一样招，日企的工资、历年招聘人数、男女...