联发科hr面

bg：双非本（不带油不带电）投递岗位：后端开发秋招投递：169+面试：60排序挂：字节豆包、快手电商、去哪儿旅行offer:5（汉得+恒生电子+...n小厂 拒)+(万兴+知乎）+快手（实习offer）春招投递：80+面试：17+offer:3（转转 小黑盒 拒)颠沛流离2025.03找暑期实习，实习到9月底通知转正失败，回家秋招2025.12收到快手实习Offer，在杭州实习，2026.03组内架构调整，ld更换，降本增效，hc变成3个外包hc，回家春招（西湖和灵隐寺 外地人必去景点hh）心态从网上学习做项目，到写简历，投递，笔试，面试，泡池子。。。我觉得最重要的就是心态了，以我为例，我在2...

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

真不是我酸，我是真看傻了。我和这哥们儿基本水平差不多，甚至我平时刷题还勤快点。结果这哥们从上个月开始就没怎么正经背过八股，天天在那鼓捣一个叫 Nymard 的 AI 面试助手。前几天他面某大厂，我搁旁边偷听了一下。好家伙，面试官问的那些深挖项目的坑，他基本是对着屏幕秒回。我以为他在读屏风，结果他面完给我展示了那个 Nymard，说是能实时识别面试官说话，然后根据他自己的简历和项目库自动生成最稳的回答思路。关键是那语气，AI 给出的参考不仅专业，还带点“人味儿”，面试官全程点头。今天他跟我说 Offer 到手了。我是真服了，现在面试难道已经进化到拼科技了吗？大家觉得这种算“物理外挂”吗？我是该举报他，还是该问他要个安装包？😅

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...