大模型学习路线（二）：预训练 (Pre-training)说明：预训练是大模型“拥有知识”的关键阶段。秋招面试考察重点集中在数据工程、训练稳定性（混合精度）、Tokenizer 细节以及领域适配（CPT）策略。🎯 学习目标 掌握从…

1.反转链表/*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr) {}* ListNode(int x, ListNode *next) : val(x), next(next) {}*…

Linly-Talker 能否接入 Dialogflow 实现多轮对话逻辑？ 在虚拟客服、数字员工等实际业务场景中，用户不会只问一句“你好”，然后满意地离开。他们更可能说：“我想预约下周二的心理咨询……对，下午三点左右……需要带什么…

Linly-Talker在汽车配置讲解中的三维空间联动设想 在高端汽车展厅里，一位客户驻足于一辆全新SUV前，随口问道：“这车的空气悬挂能调多高？”话音刚落，站在屏幕旁的虚拟讲解员微微点头，声音沉稳地回应&#xf…

后训练 Post-Training 主要有两种范式：SFT和RLPre-training (预训练) 通过海量无监督数据的自监督学习（Next Token Prediction），让模型习得语言语法与通用知识。SFT (监督微调)：实现指令对齐 通过高质量问答对进行…

🎯 学习目标 彻底掌握 Transformer 的每一个组件细节，理解从 Standard Attention 到现代 LLM（如 Llama, Deepseek）架构的演进原因，并能手写核心算法代码。 第一阶段：输入处理 (Input Representation) 1. 分词 (…

Linly-Talker在高校招生宣传中的个性化推送实验在每年高考季，高校招生办的老师们总是面临一个共同难题：如何用有限的人力，在短时间内回应成千上万考生和家长五花八门的问题？“我这个分数能报你们学校吗？”“电气工程专…

在节奏飞快的上海，科技创新浪潮无处不在。无论是参与行业会议，还是与不同领域的朋友交流，“人工智能”总是一个绕不开的话题。作为一名非技术出身的职场人，我曾长期觉得AI是专属于工程师的领域，直到我开始了解并参与了…