<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Polaris的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_45717425</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_45717425]]></copyright><item><title><![CDATA[2026最新字节大模型岗面经汇总(多平台整理)]]></title><link>https://blog.csdn.net/qq_45717425/article/details/160315245</link><guid>https://blog.csdn.net/qq_45717425/article/details/160315245</guid><author>qq_45717425</author><pubDate>Sun, 19 Apr 2026 22:38:08 +0800</pubDate><description><![CDATA[字节大模型算法岗面试真题解析与备战策略 近期整理的字节大模型算法岗面试真题涵盖Transformer架构、强化学习训练、推理加速、多智能体系统、多模态模型等核心领域。面试风格以深挖原理+工程实践+前沿动态为主，重点考察： Transformer：Attention机制、MHA/GQA优化、Decoder-only架构设计； RL对齐：PPO/DPO/GRPO流程对比、奖励函数设计与调优； 推理加速：KV Cache、vLLM的PagedAttention、LoRA显存优化； 多智能体：协同机制、冲突处理与A]]></description><category></category></item><item><title><![CDATA[2026年最新字节大模型算法岗面试手撕代码题汇总（多平台收集）]]></title><link>https://blog.csdn.net/qq_45717425/article/details/158803774</link><guid>https://blog.csdn.net/qq_45717425/article/details/158803774</guid><author>qq_45717425</author><pubDate>Sun, 08 Mar 2026 10:28:24 +0800</pubDate><description><![CDATA[主包近期收集了字节大模型算法岗面试中涉及到的手撕代码真题，来源覆盖xhs、某乎、CSDN、🐮客等各大平台，力求做到不重复不遗漏，希望给27届备战找实习秋招的uu们一个复习的抓手。如有遗漏，欢迎在评论区留言补充~]]></description><category></category></item><item><title><![CDATA[2本9硕AI人实习&秋招分享(回江苏版)]]></title><link>https://blog.csdn.net/qq_45717425/article/details/157658932</link><guid>https://blog.csdn.net/qq_45717425/article/details/157658932</guid><author>qq_45717425</author><pubDate>Mon, 02 Feb 2026 22:45:33 +0800</pubDate><description><![CDATA[本文分享了作者从实习到秋招的求职经历。作者本硕为AI专业，拥有多项竞赛奖项和论文成果。24年4月进入BAT实习后，确定CVPR目标并转向大模型方向，最终获得小红书等公司的算法岗。暑期实习期间专注MLLM岗位，面试多家大厂后选择蚂蚁。秋招时因蚂蚁转正成功，主要投递家乡国央企，获得华泰、中兴等offer。总结四点经验：明确自身定位、行动克服焦虑、保持耐心、坚持到底必有收获。全文展现了清晰的职业规划和积极的求职态度。]]></description><category></category></item><item><title><![CDATA[CVPR 2025 | 文本和图像引导的高保真3D数字人高效生成GaussianIP]]></title><link>https://blog.csdn.net/qq_45717425/article/details/146443671</link><guid>https://blog.csdn.net/qq_45717425/article/details/146443671</guid><author>qq_45717425</author><pubDate>Sat, 22 Mar 2025 17:52:04 +0800</pubDate><description><![CDATA[文本引导的3D人体生成随着高效3D表示及2D升维方法（如SDS）的发展而进步。然而，当前的方法存在训练时间长且结果往往缺乏细腻的面部和服装细节的问题。本文提出了GaussianIP，一个有效的两阶段框架，用于从文本和图像提示中生成保持身份特征的高真实度3D人体模型。我们的核心见解是利用以人类为中心的知识来促进生成过程。在第一阶段，我们提出了一种新颖的自适应人体蒸馏采样（AHDS）方法，可以快速生成与图像提示具有高身份一致性的、外观真实的3D人体模型。]]></description><category></category></item><item><title><![CDATA[解决PyTorch DDP: Finding the cause of “Expected to mark a variable ready only once“]]></title><link>https://blog.csdn.net/qq_45717425/article/details/130088045</link><guid>https://blog.csdn.net/qq_45717425/article/details/130088045</guid><author>qq_45717425</author><pubDate>Tue, 11 Apr 2023 17:31:06 +0800</pubDate><description><![CDATA[单卡采用分布式训练。]]></description><category></category></item><item><title><![CDATA[一行文本生成4D动态场景——Meta AI MAV3D论文解读]]></title><link>https://blog.csdn.net/qq_45717425/article/details/129691822</link><guid>https://blog.csdn.net/qq_45717425/article/details/129691822</guid><author>qq_45717425</author><pubDate>Tue, 21 Mar 2023 16:36:36 +0800</pubDate><description><![CDATA[一行文本生成4D动态场景——Meta AI MAV3D论文解读]]></description><category></category></item><item><title><![CDATA[xducs软件工程期末复习笔记]]></title><link>https://blog.csdn.net/qq_45717425/article/details/129232426</link><guid>https://blog.csdn.net/qq_45717425/article/details/129232426</guid><author>qq_45717425</author><pubDate>Sun, 26 Feb 2023 21:56:05 +0800</pubDate><description><![CDATA[西电计科软件工程期末复习笔记]]></description><category></category></item><item><title><![CDATA[xducs人工智能导论复习笔记]]></title><link>https://blog.csdn.net/qq_45717425/article/details/129232330</link><guid>https://blog.csdn.net/qq_45717425/article/details/129232330</guid><author>qq_45717425</author><pubDate>Sun, 26 Feb 2023 21:51:05 +0800</pubDate><description><![CDATA[西电计科人工智能导论复习笔记]]></description><category></category></item><item><title><![CDATA[xducs分布式计算课程思维导图]]></title><link>https://blog.csdn.net/qq_45717425/article/details/129232299</link><guid>https://blog.csdn.net/qq_45717425/article/details/129232299</guid><author>qq_45717425</author><pubDate>Sun, 26 Feb 2023 21:47:21 +0800</pubDate><description><![CDATA[西电计科分布式计算课程思维导图]]></description><category></category></item><item><title><![CDATA[xducs机器学习复习笔记]]></title><link>https://blog.csdn.net/qq_45717425/article/details/129232175</link><guid>https://blog.csdn.net/qq_45717425/article/details/129232175</guid><author>qq_45717425</author><pubDate>Sun, 26 Feb 2023 21:43:36 +0800</pubDate><description><![CDATA[西电计科大数据方向机器学习课程复习笔记]]></description><category></category></item><item><title><![CDATA[NeRF与GAN的交融（一）——NeRF论文阅读]]></title><link>https://blog.csdn.net/qq_45717425/article/details/128625751</link><guid>https://blog.csdn.net/qq_45717425/article/details/128625751</guid><author>qq_45717425</author><pubDate>Tue, 10 Jan 2023 10:53:53 +0800</pubDate><description><![CDATA[原因：如果是仅仅固定地采用每个小区间的端点或者中点作为该区间的代表值，那么即使视角无限多，每个视角拍摄的图片也无限多，所利用的也仅仅是三维空间中固定的那些离散点（导致优化时只优化有限个固定点，而其他位置处的点均未学到场景的3D特征），并不能充分利用三维空间信息，即丧失了NeRF是连续空间表征的特点。合理的积分离散化采样：通过更高效的采样策略减小估算积分式的计算开销，加快训练速度，并且保证空间的中的绝大多数点都能被优化到，而非只优化某些固定的点（若使用每个小区间的左端点作为代表点的话）。]]></description><category></category></item><item><title><![CDATA[解决pytorch报错——RuntimeError: Expected to have finished reduction in the prior iteration...]]></title><link>https://blog.csdn.net/qq_45717425/article/details/128558684</link><guid>https://blog.csdn.net/qq_45717425/article/details/128558684</guid><author>qq_45717425</author><pubDate>Thu, 05 Jan 2023 10:22:31 +0800</pubDate><description><![CDATA[解决pytorch报错——RuntimeError: Expected to have finished reduction in the prior iteration before starting a new one. This error indicates that your module has parameters that were not used in producing loss. You can enable unused parameter detection by (1) pas]]></description><category></category></item><item><title><![CDATA[vscode通过跳板机连接远程服务器（亲测可用）]]></title><link>https://blog.csdn.net/qq_45717425/article/details/127624723</link><guid>https://blog.csdn.net/qq_45717425/article/details/127624723</guid><author>qq_45717425</author><pubDate>Mon, 31 Oct 2022 22:41:18 +0800</pubDate><description><![CDATA[vscode的好处就在于它实时地可视化了linux文件夹的层级结构和各个文件，一目了然，而且还支持手动选择去删除、移动、复制粘贴剪切文件，比linux命令行用起来舒服一点（对于我们这种只是用服务器跑实验的人而已），而且如果一个文件夹中有上万个数据，在vscode中也是可以直接连带文件夹一起删除的。输入密码后，第一次尝试连接，目标服务器会在它的本地安装.vscode-server，可能耗时较长，请耐心等待（确保你要连接的服务器可以联网下载东西）。等待结束后，基本上就算成功连接了。点第一个"C:\Users…]]></description><category></category></item><item><title><![CDATA[2022年（2023届）计算机保研经历分享（清深、自所、计算所、浙科南、北航、哈工等）]]></title><link>https://blog.csdn.net/qq_45717425/article/details/127143482</link><guid>https://blog.csdn.net/qq_45717425/article/details/127143482</guid><author>qq_45717425</author><pubDate>Sun, 02 Oct 2022 15:55:17 +0800</pubDate><description><![CDATA[西电计算机保研经历]]></description><category></category></item><item><title><![CDATA[分布式计算MapReduce | Spark实验]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126142919</link><guid>https://blog.csdn.net/qq_45717425/article/details/126142919</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 16:24:04 +0800</pubDate><description><![CDATA[输入文件为学生成绩信息，包含了必修课与选修课成绩，格式如下：班级1, 姓名1, 科目1, 必修, 成绩1  （注：为换行符）班级2, 姓名2, 科目1, 必修, 成绩2 班级1, 姓名1, 科目2, 选修, 成绩3 ………., ………, ………, ………, ………  编写两个Hadoop平台上的MapReduce程序，分别实现如下功能：计算每个学生必修课的平均成绩。按科目统计每个班的平均成绩。输入文件的每一行为具有父子/父女/母子/母女/关系的一对人名，例如：Tim, Andy Harry, Alice M]]></description><category></category></item><item><title><![CDATA[分布式计算实验5：HDFS论文阅读]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126142834</link><guid>https://blog.csdn.net/qq_45717425/article/details/126142834</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 16:19:12 +0800</pubDate><description><![CDATA[客户端计算接收到的数据的校验和，并验证新计算的校验和是否与它接收到的校验和相匹配。当新的DataNode加入集群的时候，NameNode会询问DataNode有关该DataNode存储了哪些Block的信息，并间断地更新“数据块物理节点对应表”。如果NameNode失效，则内存中的BackupNode的映像和磁盘上的检查点是最新名称空间状态的记录。创建新块时，HDFS将第一个副本放置在Writer所在的物理节点上，将第二个和第三个副本放置在不同机架服务器中的两个不同物理节点上，其余放置在随机节点上。....]]></description><category></category></item><item><title><![CDATA[分布式计算实验4 随机信号分析系统]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126142704</link><guid>https://blog.csdn.net/qq_45717425/article/details/126142704</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 16:17:04 +0800</pubDate><description><![CDATA[函数，使其能够实现题目的要求：开辟一个动态数组，每隔一段时间从消息队列中取得一个随机数并加入该数组，然后利用该数组即可求出过去N个信号的均值和方差，也可以求出全局的最小值和最大值。由于题目要求将过去一段时间的信号动态显示出来，也要求把信号分析结果显示出来，因此我让信号分析微服务在发送消息时，把当前的信号值也封装在消息中，这样可视化微服务只需要订阅主题为。的消息，每次从消息队列中取出一个随机信号加入自己维护的数组中，然后对数组中的元素进行处理，得到信号的统计分析结果（均值、方差、最小值、最大值等等）。...]]></description><category></category></item><item><title><![CDATA[分布式计算实验3 基于PRC的书籍信息管理系统]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126140906</link><guid>https://blog.csdn.net/qq_45717425/article/details/126140906</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 16:12:12 +0800</pubDate><description><![CDATA[客户端需实现的功能为：(a) 查询注册中心获得远程方法的引用，(b) 调用远程方法实现与书籍管理系统的信息交互，© 提供简洁的用户交互界面，以处理用户的各种操作请求与输入输出。主要包括显示所有的功能列表，根据用户输入的功能号调用相应的远程方法进行对书籍的增删改查，再根据远程调用返回的结果进行后续处理等等。(a) 定义书籍类Book，在其中定义书籍类属性bookID和bookName，接着定义实例的构造方法（即传入书籍ID和书名创建书籍对象），最后定义一个BookInfo()方法用来打印某个书籍对象的信息。.]]></description><category></category></item><item><title><![CDATA[分布式计算实验2 线程池]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126140742</link><guid>https://blog.csdn.net/qq_45717425/article/details/126140742</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 15:06:24 +0800</pubDate><description><![CDATA[安装jdk，安装maven，为maven设置阿里或腾讯镜像仓库，用maven编译Helloworld版的java程序。将基于TCP协议的Client Server通信程序示例的服务器端程序改造成线程池版。]]></description><category></category></item><item><title><![CDATA[分布式计算实验1 负载均衡]]></title><link>https://blog.csdn.net/qq_45717425/article/details/126140538</link><guid>https://blog.csdn.net/qq_45717425/article/details/126140538</guid><author>qq_45717425</author><pubDate>Wed, 03 Aug 2022 15:00:35 +0800</pubDate><description><![CDATA[随着Internet的快速发展和业务量的不断提高，基于网络的数据访问流量迅速增长，一些数据中心的瞬时数据通信量甚至可高达几十Gb每秒。同时，服务器网站借助基于HTTP，FTP，SMTP等协议的应用，为访问者提供了越来越丰富的内容和信息，这导致服务器逐渐被海量数据淹没。此外，大部分网站（尤其是电商、交通部门）都需要提供不间断的24小时服务，任何服务中断或关键数据丢失都会造成不可估量的高额商业损失。这些，都对应用服务提出了高性能和高可靠性的需求。然而，相对于网络...]]></description><category></category></item></channel></rss>