开始学习数据库！

感觉还挺难的，还得多练...1. Qwen2.5-vl pretrain 阶段用了哪些数据？分别大概用多少数据量？2. 对齐任务一般放在哪个阶段进行？你在 training 的时候long cot 能力下降了多少，有评估吗？3. 小米的 work 看了吗？4. chartQA 的方向有了解吗？ 你觉得有哪些优化方向？5. MLLM 不做对齐会有什么结果？你有考虑你的场景下做增量预训练吗？6. AI 生成检测你的方法对新出现的生成器来讲，效果如何？有评测过吗？7. 可解释性生成你是如何做的评估？给我讲一讲这几个指标以及为什么起作用。8. sim 评估用什么做的？如果你用 LLM 训一个专门用来评估，和你用 sim 的评估方法有什么区别？用多少数据量来训这个？可以当奖励模型吗？9. MLLM 做 rl 会有提升吗？假如你对 grounding 任务做 rl，需要注意什么

我很喜欢听播客，并且非常想录播客，但奈何临场反应能力不太ok不敢主动输出，恰好昨天有读者约我聊聊他的问题，于是我们愉快地聊了一小时。有些行为已经内化为习惯，我没有记录下来自己是怎么做的，于是我又重新思考了他提出的几个问题，刚好朋友给我提供了一些新的思路，也帮我印证了之前的一些想法。我提前写了大纲，在沟通时又想到一些案例。后面我大概会针对每个具体的问题，结合网上的经验，再详细整理一下。1.线下面试带不带能力作证材料如果是第一次正式的线下面试，我建议先看岗位JD具体需要什么，再决定要不要打印能力作证材料。不要为了“证明自己”而什么都带，而是围绕岗位能力去准备佐证材料。如果你做过和采编、内容相关的事...

实习在弥补自己地缺点，也在发挥自己地特长，只有步入工作才能知道自己哪方面不足，哪方面需要改正，实习让我们成长。

你问ChatGPT一个问题，它给你答案。你问Agent一个问题，它开始计划。这就是全部的区别。一个会自己拆解任务的程序去年有个程序员在推特上发了张截图。他让GPT-4帮他订机票，模型回复了一段完美的攻略，步骤清晰，逻辑严密。然后他又让一个Agent做同样的事，结果Agent打开了浏览器，搜索了航班，比对了价格，甚至尝试进入支付页面，最后因为没有绑定信用卡才停下来。这个差异来自Agent的核心架构。斯坦福大学在2023年的论文《Generative Agents》里把它拆成了三个部分，感知模块Perception、记忆模块Memory、行动模块Action。普通LLM只有一个推理引擎，你给它输入...