鼠愿一个字节的offer

前几天藤子开放暑期实习通道，学弟问我："哥，我还没刷完八股，要不再等等？" 我说："等个屁。你现在投，挂的是简历；等六月再投，挂的是HC。" 太多人把实习当期末考试，觉得必须复习到100分才能进考场。醒醒，实习是滚动录取，不是排名录取——秋招要横向对比、分批发offer，前后差几天还在一个池子里；实习是"先到先得，招满即止"，等你觉得"准备好了"，人家早没坑位了。 所以我的策略是：小步快跑，分批迭代，故意送死。 第一批（3月1日-3月10日）：故意送人头 选7-8家你"看不上"的公司（比如保底档...

上上周五投的京东，秋招之前投的直接简历挂，看到补录了继续投，结果看完简历，一周还是没消息，京东看来要求挺高，补录也这么高

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...