快手春招--java 后端，客服平台

今天看到京东TGT这个话题，着实是又好奇了一把，去年京东的涨薪本身就让人狠狠羡慕了，这一波入局头部技术人才，薪酬目测还能再创新高！赶紧和学弟讨论了一番，整体结论是这个TGT项目还是值得观望一下的，浅薄聊聊我的想法。虽然很多大厂都有这种顶尖人才计划，京东在技术人才计划上算是起步晚了，但是这一波我还是蛮看好的，毕竟京东一向是低调闷声搞大事派的，务实的的风格也很东哥，做什么事就一定得做成了，给到的一些项目细节就能看出来决心。比如就从最直接的薪资上吧，我看TGT对外是说薪资不设上限，这一点其实就已经超过很多公司的高端人才计划了，去年我记得深信服xstar是说50w以上，小红书redstar是说年薪百万，但TGT这波敢提”不设上限“这个说法，也确实感觉出来“重金英雄帖”的诚意了，挺期待各位佬们后面能开到多少，另外就是这个项目背后的内部决心和发展机会，我记得好多年前京东就有过高端技术人才计划，只不过那个时候是面向博士的，这回这一波打开学历限制，显然是做好准备了，在本硕的校招领域也要抢头部人才了。就像外卖业务一样，快准狠地做好战略并拿到成效，这个TGT估计也是一样的决心。其次我觉得京东的AI课题很复杂，主要聚焦在电商搜索与推荐、供应链优化、金融风控、智能客服，而且每个业务都离不开京东的高质量数据，比如供应链需要库存调拨、车辆路径规划复杂的组合优化问题，这里面主要涉及很多运筹学、强化学习；电商推荐也非常复杂，不同于我们刷纯内容平台的内容推荐，会更注重交易转化，需要平衡用户兴趣和商品利润；金融风控就更需要精准，需要小样本学习、反欺诈场景下的图神经网络。如果做京东的这些课题，对业务逻辑的要求是更高的，需要深入理解零售和供应链，传统优化问题和AI结合的场景比较多，覆盖的研究方向也比较多，常见不常见的都有，我看有多模态大模型与应用、机器学习、搜索推荐广告、空间与具身智能、高性能与云计算、大数据、AI Infra、安全方向，对于各个方向的同学来说都是很好的可以结合工业界实操，验证自我技术设想的好机会。在东子这一波决心下，感觉有希望的学弟学妹真可以押个宝了，毕竟TGT第一年做，估计京东也在试水，往往早鸟有虫吃毕竟我想去也没机会了，超过毕业2年了，建议学弟学妹抓好这个机会冲！

LORA 原理：解释 LORA(Low-RankAdaptation)的核心思想，如何通过低秩矩阵实现参数高效微调?数学形式如何表达?Self-Attention机制：自注意力机制中 O/K/ 矩阵的作用是什么?如何通过缩放点积计算注意力权重?公式推导并解释Softmax 的意义。位置编码：Transformer为何需要位置编码?主流 LLM(如 LLaMA、GPT)使用哪种位置编码(如 ROPE)?相比绝对/相对位置编码有何优势?Seq2Seg 模型：Seq2Seq模型的核心组件是什么?Encoder-Decoder结构如何解决长程依赖问题?RAG技术：RAG(检索增强生成)的完整链路包含哪...

暑期实习目前的offer和流程中的有：1. 小红书社区搜索算法，base上海，做query理解2. 菜鸟产品技术部nlp算法，base杭州，智能客服、工单处理3. 抖音搜索，base北京，query理解之前有做过搜索和llm相关经历，目前考虑转正，更倾向于杭州和上海，应该也会参加秋招，求大家帮忙看看哪个offer更好或者有什么建议

啊啊啊啊啊，求各位大佬给点建议。👤 个人背景：本硕985，有大厂实习。📖 Offer详情：作业帮：薪资为 N * （12+3），base 北京，NLP/搜索。深信服：薪资为 （N-3） * （12+0 或 1），（据说可能无年终奖），base 深圳，大模型。🆚 pros vs cons：作业帮：pros：base，年终奖，公积金更高，可能工作氛围相对不“卷”（不确定）。cons：工作方向较为传统，北京生活成本更高，且个人更偏好深圳深信服：pros：大模型，发展潜力大，工作地点更舒适。cons：总薪资较低，工作时间可能更长。