贝索斯押注“物理 AI”，具身智能会是下一个求职风口吗？

假如我是牛客网站产品设计师，我会出以下题目：1. 牛客平台目前主要有哪些核心功能模块？分别解决求职过程中的什么需求？2. 面经、题库、笔试和求职社区之间有什么区别？用户最常使用的是哪些场景？3. 最近你刷过哪些高热度面经？它们为什么能获得大量收藏和互动？4. 为什么牛客会同时保留面经分享和匿名讨论功能？这样的设计逻辑是什么？5. 牛客的每日签到、刷题排行榜等成长体系是如何激励用户持续活跃的？6. 当用户搜索目标公司时，系统会优先推荐哪些内容？背后的推荐逻辑你是怎么理解的？7. 如果让你负责牛客的下一次版本迭代，你最想优化哪个功能？为什么？8. 活跃用户是否可以通过累计签到获得京东卡？

这部分主要是我结合自己两次校招经历，以及帮同学看简历、改简历时总结出来的一些经验。简历不是简单罗列个人经历，而是要让 HR 和面试官快速看出你和岗位是否匹配。这里会从个人信息、教育经历、实习经历、项目经历、在校表现、专业技能和简历页数等方面，讲一下计算机专业同学写简历时应该注意什么，以及哪些地方容易踩坑。个人建议，仅供参考。。。一、个人信息：让 HR 能快速联系到你简历最上面一般放个人信息。这里可以包括你的姓名、手机号码、电子邮箱、微信号、求职岗位、毕业时间、年龄等基础信息。邮箱的话，我一般建议大家用 163 邮箱。可能是因为我们这些人比较古板，不太建议大家用 QQ 邮箱。当然这不是绝对的，但...

接了暑期offer，但真不知道进去会做什么？会不会很局限？对后续秋招有帮助吗？（目前我是搞多模态相关的，vlm）

为什么传统 NLP 评估指标（BLEU、ROUGE）对现代 LLM 局限性很大？  传统指标核心是比较生成文本与参考答案在 n-gram 上的表层重合度，存在以下问题：  语义缺失：只关心词汇匹配，不理解语义。如"今天天气很好"与"今天日光很灿烂"意思相近，但得分很低。 无法评估事实准确性：无法检测幻觉，流畅但包含错误事实的回答可能得高分。 忽略多样性与创造性：开放式任务没有唯一标准答案，基于固定答案的评估会惩罚优秀但不同的回答。 长文本评估能力差：无法评估长篇内容的连贯性、逻辑性和结构性。 无视推理过程：只能比较最终答案字符串，无法评估思维链步骤是否正...