理性讨论。 目前 LLM 对于文本处理的影响巨大。CV领域目前未见类似NLP方向上极具影响力的模型。大致现状：1 无论是 NLP 还是 CV，很多时候都面临数据不足等问题。CV可能还停留在数据不足扩充数据的微调阶段。2 NLP 方向，LLM看似强大，但是对于实际业务的对齐与落地，目前仍然没有让人眼前一亮的垂类应用出现（可能是我不知道，如有，欢迎告知）所以问题来了：1. 如果说 CV 的微调仍有意义的话，NLP的未来在哪里：大多数人或者企业是没办法训练模型的，甚至部署推理都有硬件压力。2. NLPer难道真的都在写一些 prompts？ 做一些 RAG？ 大多数情况下做出来的产品，无论CV还是NLP，都是四不像的，这有什么意义吗？3. 如果想要扩展职业道路或者开辟新赛道，又有哪些选择呢？配个图，可能又要伤一批人的心了。但是事实就是如此。希望能看到一些有用的讨论，以为广大所谓的 "算法工程师" 带来一些理解

全面拷打了两小时，给我整的胃疼过程紧凑，节奏快有些忘记了一个线程崩了，这个进程会崩吗信号接收是全线程接收吗，会唤醒全线程吗nginx负载均衡算法多人聊天和历史消息记录怎么实现zk的leader选举算法一致性哈希一致性哈希和普通哈希的区别mysql和redis的区别key-value数据库的特点如何避免大量服务注册到zk，同时发布给订阅者docker隔离怎么实现的docker拉取镜像慢怎么排查还了解其他数据库吗进程通信的方法进程同步的方法进程调度算法对你的想法中mysql有什么优化的地方其他都是项目问题算法（最大递增子序列（改版））场景题夹杂八股，全是高并发的一些问题，难受，估计挂了，更新:秒挂...

#AI了，我在打一种很新的工#随着工作中使用chagpt的次数增加，我发现我以及离不开他的帮助了！目前chatgpt最强模型GPT-4o每天都有一定的免费额度，我几乎每天让他扮演一名资深的软件开发工程师，从需求设计，到架构设计，再到实现设计，甚至核心代码都能给你整出来。对于开发中遇到困难的同学，我觉得你可以开始尝试使用gpt。我以前的工作流可能是遇到问题 -> 搜索引擎，现在我基本上是 遇到问题 -> 借助搜索引擎更好的帮助我理解问题要点 -> 然后问gpt，几乎能解决我目前遇到的所有问题。

前言：答主从八月初开始先后面试了近十家公司的C/C++岗位，最终拿到南京一家自研的offer，这一次绝对是八股问的最深的一次面试，没有之一，一直追问，给场景题，甚至涉及到一些没听过的总共将近一个小时的拷打----前面大概十几分钟项目细节的追问8、封装继承多态，分别的含义，追问面向对象和面向过程的区别，保护继承的用法9、外部对象如何访问类内的保护和私有成员---友元10、C++支持多继承吗，菱形继承的问题，如何处理，虚继承后对基类的变量初始化几次？11、对多态的理解12、基类可以不实现虚函数吗13、虚函数的底层原理，多个派生类实例，它的虚函数表是一样的吗，为什么一样14、构造函数、析构函数能不能...