为啥给定初始值，梯度下降算法能取得最优值？

兄弟们，昨晚差点没睡好觉。。起因是同学群里有人扔了一张截图，说是百度今年暑期实习AI岗，一天600。我：？？？第一反应是P的。第二反应是：就算是真的，也是那种ssssp，跟我没关系。但后来问了一个去年在百度实习过的师兄，他的意思是全面涨了，只是不同岗位涨幅不同。然后我就开始疯狂考古……翻了牛客、小红书、还有几个***，拼凑出来的信息大概是：百度今年实习生薪资确实普涨，平均涨30%以上AI类岗位涨幅最大，部分核心方向最高涨幅据说有110%一天600的说法，不是空穴来风。我现在在某中厂实习，一天200，已经觉得还行。但如果百度真给600：一天600 = 我现在的3倍一个月按20天算 = 1万2实习...

实习最后一周，转正面试挂了。评委说"综合能力还差一点"。我走出会议室的时候脑子是空的，三个月白干的感觉。师父把我拉到茶水间，没安慰我，只是说："你那个小工具是你自己从零做出来的吧，我都看过，能力没问题。这次挂了不代表什么。"他把他之前在某厂的内推码发给我："春招别怂，投。"昨天春招开奖，我拿了那个厂的offer。薪资比原来的转正待遇还高20%！！我给师父发了条消息："师父，我上岸了。"他回了个"牛"。就一个字。但我看了很久。谢谢我的老大哥，你是我的贵人

为什么暑期实习都约不到面啊，简历有什么问题吗，求告知。

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...