本人某中流985，目前大三，刚参加完华为AI岗位的笔试。这个强度太逆天了，问的机器学习、线性代数的问题，好多名词我连听都没听过，学校也从来没讲过；代码题更是逆天，之前光在力扣和洛谷上刷算法题了（都用的C语言），python基本忘得差不多了，一考和AI相关的（考了个Kmeans和岭回归）全抓瞎了，估分能有个100分就不错了（满分600）。我平时也不算摆，到底是我天分就这鸟样还是学的不够本人目标算法岗，想请教一下算法岗的大佬们，从基础的数学，python，到机器学习深度学习等，到底应该学到个什么程度才算合格？你们都是按照啥学习路线走的，用的啥学习资源？

楼主的秋招真是异常惨淡，好几个终面/排序挂，北上的很多大厂根本连简历都过不去，最后拿了一个 4399 游戏开发和北京中厂的搜推业务，但都没选，背水一战备战春招。幸好机缘巧合进了在垂类领域比较有名气的 ai startup 公司实习，后续字节，阿里，b 站都主动约了面试，最后也算是终于结束校招了，base 在广州，给的薪资也挺满意的，面试过程比较顺利基本上都是秒过，面经就不发了聊的都是 agent 的实习，去做的也是 agent 后端

之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

1月初oc后，一个多月后主动询问为什么还没意向被告知没hc了