大模型或许对校招还真的有些用处呀！

#芯片设计与验证##简历#

事情的发生是这样的，最近不是各个本土化大模型应用都开始打大文本处理的牌吗，先是kimi.ai号称200万文本的上下文分析能力，后面又是通义大模型的1000万文本，所以就试用了下，帮看了两篇文章翻译了些标准整体感觉下来竟然觉得还不错。

而后的几天我就在思考，作为一个平时不怎么看论文和协议标准而是主要搞输出的人，这些工具对我有没有更加实际现实的意义呢？或者说我有什么文本类型的东西可以喂给大模型呢？在某天的一个半夜一点，突然灵光一闪 —— 我的简历呀！不，应该说是咱们得简历。

于是当机立断说办就办，我把自己前几年的简历发给了kimi并且先后提了三个需求：
1.能够帮我优化一下简历内容
2.能够帮我把简历整体译为英文
3.根据这个简历，出一份面试问题

前两个咱们都省略不谈，单看最后一项，我发现kimi还是针对性的提出了一些问题的，但是显然还不够。为啥说不够呢，因为最近几年我几乎都在参与校招面试，每次拿到简历时分析时间和出问题的时间都还挺长的，而最后拿出的面试问题显然比kimi回答的要多和深。于是我就追问：可以多一些专业问题吗？

后面可以看到，他提出问题确实更加的有针对性也上了一些难度，做到这一步讲道理我还算比较满意了。不过趁热打铁，我追问了最后一个问题：可以结合芯片设计的背景知识，提一些专业相关的问题吗？

‘’
当然可以。结合芯片设计的专业知识和xxx先生的简历内容，以下是一些深入的专业面试问题：
1. 关于指令集开发：
- 在开发新的指令集时，您如何平衡创新与向后兼容性？请分享一些您在xx科技指令集开发中遇到的挑战和您的解决方案。
...

‘’

这样看来，主打文本处理的大模型至少在简历润色、翻译以及提出对应问题的角度上能为我们提供帮助。对于一个面试官而言，就省去了一部分阅读简历、查看对应论文（大模型正好帮看论文了）、组织相应面试问题的时间。对于一个求职者尤其是校招求职者而言，出去普适性的专业知识以外，还能借助大模型针对性的准备一下可能得面试提问。

进一步的思考，这是否能为我个人创造收益呢？一些求职网站尤其是应届求职网站确实会提供笔试面试题以及简历润色服务，而如果能够在大模型的助力下，提供简历分析、针对性面试题、模拟面试以及对应的解答等增值服务，在即将到来的校招季是否可以分一杯羹呢？这个思考还得再继续继续...