有没有大佬可以内推广深PWC和kpmg？

很多做嵌入式的同学，简历里都会写一句：“熟悉 FreeRTOS，具备多任务开发经验。”但问题来了。到底学到什么程度，才算真的“熟悉 FreeRTOS”？是会创建几个任务？会用队列发消息？还是能把 Demo 跑起来就算？说实话，如果只是会 xTaskCreate()、会 vTaskDelay()、会建个消息队列，这最多只能算“用过”。离“熟悉”还差一截。这篇文章，我就把这个问题掰开讲清楚：FreeRTOS 到底学到什么程度，简历上写“熟悉”才不心虚。一、先说结论：会用，不等于熟悉很多人对 FreeRTOS 的理解停留在这几个层面：会创建任务会设置任务优先级会用延时函数会用队列、信号量跑过几个小项...

焦虑ing，二本，绩点挂车尾，无竞赛就会个stm32和freertos，esp32。无竞赛，学历差。真让人焦虑。这是应付学校任务写的简历，说实在的，平衡车和nwatch都是跟着视频(铁头山羊，韦东山)复刻的。MQTT这部分让ai吹了一下，实际上我不会LVGL，就在简历抹去了。八股文没开始背，面试题还没开始看。需不需要刷一点算法？来不及了，才知道大三这个时候应该投简历了，骑驴找马，边投边学

27届0实习，只写了这一个项目，没有经验的纯菜鸡，想暑假找个小厂实习，简历求助🙏🏻

Q1：大模型（LLMs）具有什么优缺点？答案：优点：可以利用大量的无标注数据来训练一个通用的模型，然后再用少量的有标注数据来微调模型，以适应特定的任务。这种预训练和微调的方法可以减少数据标注的成本和时间，提高模型的泛化能力；可以利用生成式人工智能技术来产生新颖和有价值的内容，例如图像、文本、音乐等。这种生成能力可以帮助用户在创意、娱乐、教育等领域获得更好的体验和效果；可以利用涌现能力（Emergent Capabilities）来完成一些之前无法完成或者很难完成的任务，例如数学应用题、常识推理、符号操作等。这种涌现能力可以反映模型的智能水平和推理能力。缺点：需要消耗大量的计算资源和存储资源来训...