比心二面，挂

BG双非本九硕携程（未笔试） 前面时间冲突淘天简历挂美团简历挂小红书日常简历挂饿了么一面挂b站大数据基架 线上一面线下两面后询问hr排序挂蚂蚁两轮技术面+一轮hr后被hr挂字节 tiktok广告两轮技术面后三四天询问hr没出面评一周后询问hr说要hold只有一个hc要排序等池子里其他人，让我有其他offer可以先接（感觉意思是顺位不靠前没啥希望）依图（以前的独角兽吧估计没啥前景）一面过hr电话沟通offer已拒感觉前途是究极究极的灰暗啊，已经不知道上海还有哪能投了更新：b站有人鸽了，排序上位了，重新回归b孝子状态

理想：RAG 的完美愿景 在大语言模型（LLM）的浪潮中，检索增强生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作为 LLM 应用落地的关键技术范式之一，它的核心思想很简单： “让大模型在生成答案时，先检索外部知识库，确保回答既准确又新鲜。” 理论上，RAG 能解决大语言模型（LLM）的三大痛点： 知识固化：LLM 依赖训练数据，无法自动更新知识（如 GPT-4 不知道 2024 年后的新闻），导致时效性差、专业领域知识不足，而 RAG 通过连接外部知识库，可以随时引入新信息。 幻觉问题：LLM 可能编造虚假信息，而 RAG 为回答提供证据、增强生...

大家点评项目是怎么复习的啊，看文档吗😅

a了几道