公司不大不小，怕掉马所以匿名。今年是我们工作最轻松的一年了，一个是岗位需求少了，另外就是简历量多了，校招工作很早就结束了。大环境不好，所以公司效益不好，老板嚷嚷着降本增效，尽量招一些招之即用的人，校招需求几乎减半了。但即使这样我们依旧算是招的比较多的了，同行基本上不来双选会摆摊了，不少社招都停了，只出不进。和学校就业处的老师也聊了下，参加双选会的企业也少了很多，即使参加的也不怎么招人了。我们在某招聘网站上同步也挂了几个基础岗位，待遇真的一般，上午挂的，到下午就收了几百份简历，消息根本回不过来，即使点不合适都要点好久，挂了一天就赶紧下架了。想说啥呢，很多同学找不到工作，说是不是学历不好，是不是自...

绝对不玻璃心，想压力就压力，有问题直接点出。想暑假找个中小厂实习，现在正在刷算法、看计网和操作系统八股

尊嘟要跑路了#实习# #java后端#

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...