#春招進(jìn)度記錄##春招0offer##offer##奇瑞#

??面試公司：螞蟻國際??面試崗位： java 后端??面試問題：項(xiàng)目和自我介紹接口的性能優(yōu)化怎么保證分布式項(xiàng)目中 分布式緩存和本地緩存的一致性數(shù)據(jù)庫與緩存之間的數(shù)據(jù)一致性（答的消息隊(duì)列實(shí)現(xiàn)）消息隊(duì)列是不是也可能產(chǎn)生數(shù)據(jù)庫和緩存數(shù)據(jù)不一致設(shè)計(jì)一個(gè)消息中間件，保證事務(wù)性MySQL 5、6、8 之間的區(qū)別MySQL 實(shí)現(xiàn)事務(wù)鎖一行數(shù)據(jù)怎么寫for update 語句可能會(huì)出現(xiàn)的問題讀已提交和可重復(fù)讀??面試體驗(yàn)：第二天去官網(wǎng)看就已經(jīng)掛了

沒加項(xiàng)目的版本，想加一個(gè)仿redis的項(xiàng)目和動(dòng)態(tài)線程池，和外賣項(xiàng)項(xiàng)目，感覺壓力好大，大一下大二上在干別的，進(jìn)度推的不太快，請問有佬可以講講如果想實(shí)習(xí)大廠還需要什么嗎，同屆大廠進(jìn)度應(yīng)該到哪了嗎，老被網(wǎng)上唱衰視頻壓力，一看評論區(qū)全在說49年入國軍??springsecurity和springai還有分布式相關(guān)嗎

理想：RAG 的完美愿景 在大語言模型（LLM）的浪潮中，檢索增強(qiáng)生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作為 LLM 應(yīng)用落地的關(guān)鍵技術(shù)范式之一，它的核心思想很簡單： “讓大模型在生成答案時(shí)，先檢索外部知識庫，確保回答既準(zhǔn)確又新鮮?！?amp;nbsp;理論上，RAG 能解決大語言模型（LLM）的三大痛點(diǎn)： 知識固化：LLM 依賴訓(xùn)練數(shù)據(jù)，無法自動(dòng)更新知識（如 GPT-4 不知道 2024 年后的新聞），導(dǎo)致時(shí)效性差、專業(yè)領(lǐng)域知識不足，而 RAG 通過連接外部知識庫，可以隨時(shí)引入新信息。 幻覺問題：LLM 可能編造虛假信息，而 RAG 為回答提供證據(jù)、增強(qiáng)生...