27届，写了苍穹外卖练手，最近又写完了黑马点评。我接下来是继续看黑马的那个Redis教程的高级篇和原理篇吗？还是直接学微服务，做个微服务项目。鼠鼠我基础知识很差，八股文我一点没看，很多知识也只会用不会说。所以这个暑假我不打算找实习，想像大佬问一下接下来的方向。是直接把这些Redis原理学了，还是到时候背八股文的时候再学?

攻略 🌈【大模型评估全攻略】！LLM七大核心评估维度保姆级拆解💯👉🏻预训练→SFT→RLHF→数据集→RAG→Agent→Prompt🔥一、预训练评估评估大型语言模型（LLM）的预训练效果需要从多个维度综合考量，涉及基础语言能力、下游任务表现、知识掌握、推理能力等。🔥二、SFT评估评估大型语言模型（LLM）在监督式微调（Supervised Fine-Tuning, SFT）后的效果，需要结合任务目标、领域特性和模型能力设计多维度的评估体系。🔥️三、RLHF评估评估大型语言模型（LLM）在通过RLHF（基于人类反馈的强化学习）后的效果需要从多个维度综合考量，包括生成质量、安全性、对齐性、任务完成度等。🔥四、数据集评估在评估数据集的质量时，可以从以下几个关键方面进行评估：1. 数据多样性2. 数据平衡性3. 数据完整性4. 数据一致性5. 数据与任务的适合性6. 标注准确性🔥五、RAG评估从召回、排序、生成、整体四个维度来评估RAG性能。使用了多种指标，如准确率（Correct）、错误率（Wrong）、失败率（Fail）、BERTScore、ROUGE Score等，以全面评估生成答案的质量。🔥六、Agent评估现如今Agent开发工具/框架不断出现，但如何全面地对Agent进行评估却很困难，本文就从介绍一些主流的Agent/LLM-as-Agent评估工作来看看是否能得到一些启发。🔥七、Prompt评估评估Prompt的好坏需要一个全面和多维度的方法，结合自动评估指标、人工评估和用户反馈等多种手段。选择合适的评估方法和技术，能够有效提升Prompt的质量和生成效果，进而提高模型的整体性能和应用体验。通过不断优化和改进Prompt设计，可以实现更自然、更准确、更有效的自然语言。

说面试官临时有事提前面了 没开摄像头 📸感觉寄自我介绍说一下你常用的数据结构 说了说集合 吟唱一到一半问一嘴说要不要说底层 说不用了介绍三种集合的特征redis高并发下 怎么管理集群差不多的mysql一个更新 为1 一个更新为2 应该怎么办防止（面试官想问我版本号这块 没想到 满脑子想着唯一索引了）mysql的锁的粒度 只大体介绍了一下你看过的源码介绍一下（介绍的aqs）你项目里最记忆难忘的技术栈说了布隆过滤器介绍说了说底层说一下用没用过ai 怎么用的 或者是大模型的理解用过脚本嘛 python用过没最后看我27问了问学校情况以及实习能多久最后反问就面了20来分钟 刚开始有点紧张后来好些了 面试的最严重的问题感觉是在实际场景下怎么用相应八股答出来是改良点 然后emmm继续拓宽一下知识面吧

地狱难度😭楼主四月中左右开始做这方面的准备，非计科的，学校里数据结构一点没学过，刷了半个月左右的力扣加八股，面了一个月左右，已成耐面王字节：两次一面挂😭（然后说我面评还不错还要捞我，被我拒了，感觉面了也是没戏）快手：4.11一面 4.25二面 5.9三面 横向挂（挂的时候还鞭我尸，挂完之后说再让我等等，老师们要再讨论一下，讨论完还是给我挂了😡）腾讯：wxg：4.25一面，过了约节后二面，结果节后没算法hc了（被26届的抢了），只有开发hc了，我说算了不搞开发5.15被wxg安全捞了，约了16号面试，结果面试前一小时取消，也是hc被26届抢没了😭5.20被IEG捞了，5.22一面，5.23二面，5.27三面，5.30四面，6.13offer（已拒）华为：笔试免，5.29测评，测评完约了5.29技术交流，约了6.5一面，拒了（华为的HR真的特别特别好，我当时已经收到网易oc了，说不想参与后续面试了，HR说那边可以尽快推进流程，还可以每次面试都告诉我结果，只要过了直接oc，相当于提前给口头offer，下次一定选华为😭，真的是我见过最好的HR姐姐）网易伏羲：5.19一面，5.20二面，5.26三面，5.28 oc，6.3 offer（已接）---入职一周了，组里氛围特别好，mt人也特别好，不卷时长，但工作时大家都很高效（早10晚6点半还有两小时午休，我入职第二天九点半到，发现部门一个人都没有我就知道我来对了😋）