智能通信面向就业该怎么搞

就我所知分为算法和开发两条路算法有基座，infra，预训练等等，但是这些特别卷需要顶会，没有论文开发主要有几种主流语言，java，cpp，go等，java听说现在烂了，cpp入门又比较麻烦，go岗位少点还有什么大模型应用，agent，rag等等，但这些新技术没被证明是否可行，而且感觉不伦不类的算法开发都沾点，不知道能不能走现在在讯飞大模型实习，估计到明年，有没有老哥给点建议，接下来怎么走，我的话倾向要么进大厂要么就到央国企编制比如电网等等

最近我越来越强烈地感受到，前端开发可能会是最先被AI取代的岗位之一。因为前端的很多工作，本质上是把设计稿翻译成代码、把交互逻辑实现成网页，这类任务目标非常明确，AI 很容易学习。现在用一些 AI 工具，比如 Copilot、Cursor、v0、Figma to Code，几乎一句话就能生成一个完整的前端界面。甚至样式、响应式布局、动画、组件复用，AI 都能自动搞定。过去我写半天的页面，现在 AI 一分钟生成。相比之下，后端、算法或者底层系统开发更依赖业务逻辑和工程经验，还需要人去设计架构和权衡性能。但前端代码往往是「可见、可替代、可批量生产」的。我并不是悲观，只是觉得未来的前端工程师必须转型—...

1、自我介绍2、拷打实习（20min）3、了解哪些大模型应用场景4、谈谈你对大模型优缺点的理解5、LoRA微调和全参数微调有什么区别6、讲一下模型训练的整个流程7、训练指标能完全代表模型好坏吗？训练完还要做什么？8、项目中怎么评估模型效果，评测数据怎么来的？9、项目里的工具调用是怎么实现的10、使用消息中间件（MQ）的场景有哪些11、讲一下Spring AOP的实现原理与各自区别12、反问

基本都是深挖简历重点问你搭建的agent能解决什么场景问题过程中遇到了什么问题怎么解决的手撕：非hot100 但easy投递的时候一定要看岗位偏应用落地还是偏算法，楼主算法功底比较薄弱，没有真实业务场景下的模型训练微调经验，在面试偏算法岗的时候，算法原理和训练过程被追着问。强化学习太重要了，几乎都会问到，还需要继续加强。总结经验：不要只局限于准备简历项目的问答，面试官喜欢提出一个场景可能遇到的问题，让你给出解决方案，所以还需要提升自己思维发散和解决问题的能力。