华为本科实习一天工资多少啊

1. 大模型应用与提示工程高级提示工程：掌握思维链 (CoT)、少样本学习 (Few-shot)、角色设定等技巧，引导模型进行复杂推理。函数调用 (Function Calling)：这是连接 LLM 与外部工具的关键协议。你必须精通如何定义和描述工具，并解析模型的调用请求。结构化输出：学会约束模型输出 JSON 等特定格式，这对于后续的自动化处理至关重要。2. RAG (检索增强生成) 系统RAG 是解决大模型知识滞后和幻觉问题的核心方案，也是 Agent 获取私有知识的主要方式。数据处理：学习如何清洗、结构化你的私域数据（知识治理）。混合检索：掌握将向量检索（语义理解）与关键词检索（BM25）相结合的方案，提升检索的精准度。RAG 优化：了解并实践查询改写 (Query Rewriting)、引入重排序 (Rerank) 模型、文档切片等优化手段。评估体系：学会使用 Ragas、TruLens 等框架，通过忠实度、上下文召回率等指标来量化和迭代你的 RAG 系统。

第一天到公司的时候，我自己上楼了(入职邮件说了是哪一层)，到了相应楼层，给导师打电话，导师一脸吃惊，说怎么我就到了，还以为我过段时间才来，导师穿着一双拖鞋，留着长发，稍显随意，导致我对导师的初步印象是：这靠谱吗，哈哈哈给我安排好工位、办公电脑，转一圈认识组里同事之后，我就问导师组里的业务是啥，有没有一些资料让我熟悉一下。起初导师给我发了一些PPT，我看了一两个小时之后，导师突然间走过来，说：“算了，业务太多了，我给你讲讲和组里现在做的比较相关的”。然后花了一个小时，给我梳理了一遍组里的业务和相关专业名词，还给我介绍了整个技术栈。当天中午，导师就带我去饭堂吃饭。吃饭聊了一下，发现我俩没啥代沟，导...

拼多多的笔试题我印象中是没有选择的，直接就是算法题。算法题涉及到了很多算法，但感觉高频的就是贪心和动态规划，主要面试官对数据范围别出心裁，这样设计下肯定会爆int，需要处理大数据的情况。现在还记得当时的一道动态规划题，题干看起来平平无奇，就是一道典型的序列匹配问题，可一看数据范围直接傻眼 —— 测试用例的输入规模直接拉到了 10的5次方级别，常规的 O(n的平方)解法连样例都跑不通，必须要优化到 O(nlogn)才能勉强通过。更坑的是，题目里的数值计算涉及大量累加，数据范围直接突破了 32 位整数的上限，稍不注意就会溢出，被迫全程用 long 甚至 BigInteger 来处理，无形中又增加了代码的复杂度和调试难度。另一道贪心题更是让人头大，题干描述得十分隐晦，没有直接给出贪心策略的提示，需要先把业务场景转化为数学模型，再推导最优子结构。最绝的是，普通的贪心思路只能过 60% 的用例，剩下的 40% 全是边界陷阱，比如需要结合优先级队列做二次优化，或者在贪心选择中加入回溯判断，稍不留神就会掉进坑里。整场笔试下来，没有一道题是 “裸题”，每道题都在基础算法上叠加了数据规模和边界条件的考验。和其他公司不同，拼多多的笔试不考基础语法，不考八股知识，就是纯纯的算法硬实力较量，不仅要会算法思路，还要懂代码优化、数据溢出处理、时间复杂度把控，对选手的综合能力要求极高。最后交卷的时候，三道题只勉强 AC 了一道半，剩下的一道题卡在了最后一个测试用例，就是因为没考虑到大数据下的内存占用问题。现在回想起来，拼多多的笔试不是难在算法本身，而是难在对细节的极致把控和对选手抗压能力的考验，堪称是我做过的最 “硬核” 的一场笔试。

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.二元交叉熵3.常用的深度学习api4.VIT结构5.分类模型6.堆的数据结构7.手撕力扣中等题排序问题