1. “广撒网肯定能上岸”：盲目投递上百份简历，不针对性改JD关键词，结果全是“已读不回”，反而浪费打磨优质简历、准备核心岗位的时间。2. “薪资不重要，先积累经验”：第一份工作薪资直接定薪资锚点，过低薪资不仅影响生活，后续跳槽涨薪也难突破瓶颈，牺牲薪资换的“经验”可能只是重复打杂。3. “国企/私企随便选，稳定就好”：不结合自身性格（喜欢闯还是求稳）、行业前景乱选，结果国企里嫌枯燥，私企里扛不住加班，入职3个月就想跑路。4. “面试时多说优点，别暴露缺点”：硬凑一堆无关优点，被问“你的不足”时说“追求完美”这种空话，反而让HR觉得不真诚，不如坦诚说可控的小缺点+改进方案。5. “大家都投这个岗，跟着报准没错”：跟风冲热门岗（如前两年的教培、现在的部分AI岗），忽略自身专业匹配度和兴趣，最后要么面试屡败，要么入职后发现完全不适应。

苯人目前研一，金融本数字经济硕，目前有点迷茫不知作何职业规划，金融无hc留用，互联网又早已卷得不知天地为何物。现在就是准备花几天做好规划，然后朝这个方向投简历实习，不知各位大佬有何建议。另外大家都说要垂直实习，市场化就业肯定需要实习的，但是我害怕最后这条路没offer那其他路更不要你，所以说如果我一边大力市场化实习一边小小准备央国企和公务员考试不知道会不会太累？（简历一坨狗屎，本科实习还是太少了，请各位大佬帮忙看看，拜托了！🧎‍♀️

一、少量八股1.介绍下self-attention，计算其时间复杂度。2.为什么要用multi-head attention？3.kv cache是什么？它为什么能极大地提升推理速度？4.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？5.为什么要用reference model?为了解决什么问题？二、项目深挖1.如何让多个agent协同工作的？举个具体的协同机制例子。2.如果一个agent误判导致策略冲突，如何处理？3.你们有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？4.你是怎么设计agent的记忆系统？5.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？6.有没有做记忆衰退，避免旧数据干扰新任务？7.你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？8.你简历里的人机协作流程，具体是什么意思？怎么设计人工干预与agent自动处理的平衡？9.human feedback是怎么被agent消化吸收的？有没有用rl进行策略更新？三、业务理解1.有没有做过模型压缩？比如在车载端或低端设备上的推理加速？2.如果量化后理解能力下降怎么办？怎么做精度补偿？3.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？4.如果要做电商agent，你会选择哪些模态的信息作为输入？比如文本评论、图像、视频、购买记录？5.有没有做过A/B测试？

1. 美团（基础研发平台-信息安全部-java后端开发）：N x 15.5负责业务安全，为账号、营销、交易等场景提供整体风险解决方案。维护一套通用风控引擎，涵盖决策引擎、特殊平台、模型平台以及风控运营处置功能，为B端用户提供风险解决方案。这套系统对吞吐、稳定性和执行效率要求比较高。2. 韶音（APP开发）：N x 16负责蓝牙耳机通讯应用在iOS/Android平台上的开发和维护；根据产品需求和UI/UX设计进行开发，确保应用程序的功能和用户体验；针对手机不同版本系统和机型进行适配和优化，确保应用程序的兼容性和稳定性；美团优缺点：平台大，好跳槽；但是业务没有那么核心，并且强度比韶音大，比较累韶音优缺点：wlb，比较能够工作生活平衡；但是是APP开发，并且平台比较小，担心后续发展