1. 自我介绍2. RAG系统的核心架构、检索优化与在教育场景的落地难点RAG核心架构分为数据预处理、检索模块、提示工程、大模型生成、后处理校验五部分。检索优化包括混合检索、多轮检索、知识切片、向量库优化等。在教育场景的落地难点在于知识专业性强、知识点关联复杂，易出现检索不精准；题目、公式、图表等多模态数据的结构化提取难度大；学生提问口语化、歧义多，意图理解难度高；需严格保证知识准确性，避免大模型幻觉。解决方案包括构建教育领域专属知识库、多模态文档解析、意图识别优化、事实校验机制等。3. SFT的核心流程、数据构造要点与在教育大模型中的应用SFT核心流程为数据准备、模型选择、微调策略、训练配置...

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

1. 实习经历与项目细节（工程实践）  背景调查： 你实习的公司是什么性质的机构？主要业务是什么？ 职责确认： 在行情订阅项目中，你是从头开发的还是在原有基础上修改的？ 量化指标考察：  你处理的“海量行情数据”具体的量化指标是多少？（如：每小时多少合约、数据频率是秒级还是毫秒级、CSV文件具体多大？） 行情订阅的性能你是如何评估的？有没有具体的判断标准？   优化意识：  在内存使用上你做了哪些优化？（如：对象池、减少内存申请销毁）。 当发现转换一个文件需要半小时时，你有没有分析过耗时分布？有没有尝试优化？ 写入文件时是一次写一列还是一个数？具体的写入逻辑是怎样的？    2. 技术测试与D...