家人们，是签了还是等华子啊

那天周五下午四点，我正心满意足地准备摸鱼等下班。产品经理突然发了条消息：“有个小需求，把订单状态里的‘处理中’改成‘处理中（请耐心等待）’，就改个文案，5分钟能搞定吧？”我心里嘀咕：文案这种东西，不是前端改一下就行了吗？但后端同事请假了，前端提了个issue说这个枚举值是从后端返的，前端只做映射。好家伙，又是祖传代码的锅。我心想：不就改个枚举描述吗？打开代码，找到那个OrderStatusEnum，把PROCESSING的中文描述从“处理中”改成了“处理中（请耐心等待）”。编译、打包、发布，一气呵成。前后真的只花了5分钟。然后…线上开始炸了。十五分钟后，客服群里开始刷屏：用户说自己的订单消失了...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

玩太爽了四月才开始投暑期，拿到的第一个offer就是阿里的，运气还是挺好的，一路速通没有被横向以及刷KPI心仪的业务，心仪的base，被一面挂了十几次应得的后续有空把面经整理一下timeline：4.15投递-4.18笔试-4.22一面-4.27二面-5.7hr面-5.8oc

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...