经验之谈

参考来源:求职精灵 官网入口：https://m.finsight.work/pages/activePage/general/index?pageCode=49B59368 前言秋招，是每个应届生都绕不开的一场硬仗。我曾和无数应届生一样，在秋招初期陷入无尽的焦虑与内耗：海投超过 150 份简历，石沉大海；参加十几场笔试，无一进入面试；好不容易拿到一次面试机会，却因为准备不足、表达混乱，当场被刷。那段时间，我每天睁眼就刷招聘网站，闭眼就梦到被拒邮件，看着身边同学陆续收到意向通知，自己却始终停留在0 offer的状态，甚至开始怀疑自己四年大学白读了。我不是没有努力过，每天泡在图书馆刷行测题，对着...

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

1.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？这个问题本质上不是“删哪条、留哪条”，而是做记忆的版本管理。实际处理时一般会同时看三个维度：时间、来源、置信度。时间上通常新信息优先，但前提是它来自更可信的输入；来源上，用户当前轮明确表达、工具查询结果、系统写入，优先级通常高于模型从历史里自己总结出来的内容；置信度上，如果只是一次低置信抽取，不会直接覆盖长期稳定画像。工程上我会把记忆拆成两层，一层是 event log，完整保留用户每次表达过什么；另一层是 materialized profile，也就是给模型使用的当前画像。冲突发生时，不是直接物理覆盖，而是先记事件，再按规则刷新画像。...