大佬来救救搜广推大模型简历

双2 读研方向主要是做深度学习没有论文 可以投算法吗？比如大模型或搜广推?现在刷题还来得及嘛。还是说算法基本没希望，快点去开发啦，跪求大佬指点，我到底适合什么岗[哭惹R]

尊嘟是太幸运啦，遇到一个超级好的面试官，一直带着笑意，就像是闲聊一样面试官先是自我介绍，然后介绍了部门情况，甚至介绍了团队的招聘计划自我介绍秋招快要结束了为什么还在参加面试目前有拿到offer吗实习公司为什么没有转正哪里人实习期间遇到的最大的挑战、有没有具体的case技术栈为什么vue2升级到了vue3列表数据修改没有确认表格就发生了变化，为什么，怎么解决登录页面是如何设计的用户反复点击应该怎么做防抖是怎么实现的防抖和节流的区别如果有一个对象a，里面有一个属性userName为aaa，b=a，b中有userName吗，有的话值是什么如果把userName='bbb'，a中userName变了吗...

1. 简历深挖围绕实习项目展开，问得很细，建议把自己做的每个模块的逻辑、贡献、思考都理清楚。2. 理论基础1.KL散度和交叉熵的关系？2.介绍LoRA，和全参SFT怎么选？小模型SFT vs 大模型LoRA效果可能如何？SFT数据集怎么构建？3.介绍AUC，它表达的是什么？4.Recall重要的场景下，如果recall很高但precision很低怎么办？5.Precision和Recall分别是什么？不同场景下如何权衡？哪个更重要？3. 手撕代码实现 shuffle 函数（注意洗牌算法的公平性和复杂度）

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...