深夜，电脑屏幕映照着实验室的一角鼠标轻轻点开那封来自华为的邮件“录用通知”字样映入眼帘长久以来的紧张与疲惫仿佛瞬间消散这份来自华为中央软件院软件开发工程师的offer成为了人工智能与计算机学院毕业生近年来在华为技术岗的一次突破她本科在江南，硕士仍在江南近七年时光 深耕一个赛道她是谁？线索一：肯坐冷板凳，深耕编译器作为“土生土长”的江大人，她的求学之路沉稳又踏实。从本科踏入人工智能与计算机学院，到硕士阶段继续深耕，七年时光里，当同龄人纷纷涌向CV /LLM 模型研究等热门赛道时，她反而一头扎进了少有人问津的底层编译领域——这个聚焦底层技术的研究方向，没有捷径可走，全靠一行行代码的打磨、一次次实验...

rt，27届末流985本硕，想做大模型开发相关工作。目前该简历战绩：联想oc，人工智能实习生科大讯飞oc，助理研究算法工程师美团一面无消息（大概率挂），大模型智能体后端工程师百度一面挂，NLP大模型算法实习生OPPO二面无消息（估计挂在HR面）得物一面秒挂（KPI面），AI工程算法实习生中电信TeleAI一面挂，大语言模型算法实习生厦门快商通一面挂广州施耐德电气泡池子广电运通一面挂------手动分割线------求各位佬狠狠拷打

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...