1.KL散度计算，不同的输入格式处理2.multi head attention3.mha 基础上＋ kv cache4.写一个 dpo loss 并讲解推导过程5.写一个 ffn 需要有各种组件6.使用最少的rand7实现rand107.写一个 safe sfotmax 8.tp 的切分方法，计算策略9.最长递增子序列10.最长递增子序列个数11.合并 k 个有序链表12.出现频率最高的 k 个元素13.n个长 m 的升序数组找 topk14.序列切分位置，两部分方差和最大📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

一、市场上到底要什么人？去招聘网站搜“大模型”，JD看一圈就会发现，岗位其实就三类：① 基模方向：预训练、模型架构、scaling law门槛：顶会paper or 名校博士结论：有就有，没有就别强求，不是几个月能补的② Infra方向：分布式训练、GPU集群、推理加速门槛：扎实的系统底层能力结论：你们组是做这个的就可以冲③ 应用层方向  这是大多数人的机会！不动模型：RAG、Agent动模型：SFT、RL（RLHF/RLAIF） 0基础同学能在4个月内真正拿到offer的地方，就是应用层二、技能要会在点子上，别被概念带偏现在各种概念满天飞，A2A、MCP、GraphRAG...每周都有新名词...

2026应该进阶为智能体工作流架构师——核心技能是驾驭像OpenClaw这类工具，通过精准的任务拆解、技术栈约束与交互式调试，设计出“分析需求-生成模块-集成测试”的自动化流水线，让多个AI智能体协作产出可交付的代码，而自己则专注于更高维的逻辑设计与迭代优化。

最近在网上上看到一段话，像一根刺一样扎进了我的心里：“这一刻，我忽然读懂了父亲当年的无奈。他身处改革开放的浪潮之巅，亲历国家GDP翻百倍的奇迹，却始终未能搭上时代的列车。如今，我站在AI革命的风口，面对大模型迭代的汹涌浪潮，虽能清晰看见机遇，却不知如何把握。原来，时代的浪潮从不为任何人停留，而“我”的存在，或许正是为了在迷茫中寻找属于自己的航向。”这段话让我想起我的父辈，也让我审视现在的自己。我们这代人，似乎正在经历同样的历史剧痛——眼睁睁看着时代呼啸而过，生怕自己是那个被留在站台上的人。这意味着：AI 不是 “可选赛道”，而是 “必答题”。父亲当年的无奈，源于信息差与选择成本；而今天的你们，...