深信服二面 售前产品经理

一面hr面简单自我介绍，了解一下成绩和个人相关经历为什么要选择售前岗位对方简单介绍岗位个人计划是否考研考公反问二面（业务面）对简历深挖问简历上具体项目怎么实现的（具体内容）对售前岗位如何理解反问面试很温柔，这次真的感觉像在交谈互相了解。总结就是要对自己的简历熟悉，可以提前把自己简历和岗位要求放deepseek询问给一个面试可能会提问的话题。线下面试比线上体验感好很多。

最近的ai发布引起了很大的反响，越来越多的人注意到了AI的底牌——计算机科学，更具我的推测，原本“高高在上”的知识垄断会更加激烈（但是我强烈反对这一缺德行为） 再来谈谈我的感受，首先，AI的确能做更多有用的事了，几乎势不可挡，引起了很多人失业恐慌，网上很多的文章都说AI没有创造力，但我想反问一句：你的大脑是有什么驱动的？神经的电脉冲。你凭什么说不可以用功能跟多的计算机代替神经元呢？其次就是你对AI不同的提问回引起不同的回答，一个提问身后是什么，是深度的思考与分派任务。第三，AI的强大到这了一部分计算机科学的门槛更低，但一部分门槛更高，如芯片与显卡，只要AI发展，那算力一定停不下来，飞速的...

2022年吧，我记得novel ai这个AI绘图产品泄露之后没多久语言模型GPT就出现了消费端级别的爆品chatGPT，llm正式从NLP向全领域蔓延。直到GPT4以后的出现，全球本身就卷的DL领域论文更加卷得上天，各大互联网公司紧急跟进，不管是套壳还是蒸馏数据，也是有时间把自己的模型产品打磨好发出来。彼时多模态也是各种开花，agent相关的应用层出不穷，对语言模型的各种prompt都是魔法咒语。经过一两年的厮杀，AI创业公司也涌现一堆，什么四小龙，什么六小虎，以及传统大厂的各种军备竞赛，bing小姐也好像被换了心，Claude的代码能力还是被大家推崇。但时过境迁，训练模型疯狂烧钱以后，开始卷应用不再卷基础设施，结果在炒作了2年的AI浪潮过后又一家公司把推理模型deepseek抬上了桌让大伙饭碗不保。但是，没有一个模型是真正能够覆盖个人的需求的。比如GPTs里面对非英语的风格使用，对多模态的工具应用，绘图可能有太多小而调教好的产品，也可以去liblib上面找，deepseek中文和推理可以但是对于很多安全限制太过敏感，不考虑本地部署的话其实也很难受。传统的刷榜模型Qwen感觉很多时候不能直接达到指令要求。更多的是，太多需求对同一家产品很难直接满足，不然就要去扣子自己配，懒人也不方便为一类需求单独配个agent啥的。好想这些厂商能够迅速卷完结束比赛，搞个大一统，取长补短，让消费者直接用蛊王的产品轻松点。#聊聊我眼中的AI#