【AIGC cosplay】让大模型扮演求职者，我当hr来面试

原创 已于 2024-09-19 22:00:08 修改 · 1.9k 阅读 · 22 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#AIGC #面试 #职场和发展 #人工智能

于 2024-09-16 12:49:02 首次发布

【AIGC cosplay】让大模型扮演求职者，我当hr来面试

背景前摇（省流可不看）：

工位附近有几位人力资源的老师，我发现他们这个职位可以看到好多别人的简历，还能跟好多人聊天，完事了跟同事悄悄吐槽一下碰到的奇葩，关键是到点就能下班消失 。
另外我还看了一些小红书博主 @暴揍鸭梨 拍的行政、人力、助理等后勤岗位拍摄的日常工作视频，其中一个视频提到了【人力三支柱】和【人力六大模块】这样的专业名词，我还真的很好奇这是什么，专门去查了一下资料。
（不得不说，碎片学习这块确实挺适合小红书查资料的。）
93 【有一种爱叫做放手 - 暴揍鸭梨🍐 | 小红书 - 你的生活指南】 😆 4XLTto2IycM5Vgy 😆 https://www.xiaohongshu.com/discovery/item/66c46cb4000000001f01e44a?source=webshare&xsec_token=ABeY8qgwNmuuB0cg_JCogpWyVz3TSM68cITrLDjLzrKKg=&xsec_source=pc_share
传送门
在这里插入图片描述
在这里插入图片描述
11 【📃人力资源管理|六大模块和三支柱的关系 - 小博讲人力 | 小红书 - 你的生活指南】 😆 Oe85Izd2tCXRyDs 😆 https://www.xiaohongshu.com/discovery/item/66129611000000001a017fcf?source=webshare&xsec_token=ABQ71naWNaWW7TyVSHB6UYeNtbCxJSUgGKMjFRnLRzGac=&xsec_source=pc_share
传送门
在这里插入图片描述
（看完以后，我终于明白我导师口中的SSC是什么了，原来就是HRSSC（共享服务中心）。）
https://www.xiaohongshu.com/explore/6620a01a000000001c009889?xsec_token=ABUPg0EzfxwZiltKKHgf6cZi-zqiX59IDlxz2M1c7Uds8=&xsec_source=pc_search&source=web_note_detail_r10
传送门
在这里插入图片描述
以及，还有之前找数据标注岗位的时候老被提到的外包“OD”这种稀奇古怪的英文简写，常见【黑话】：
https://www.xiaohongshu.com/explore/66546fe80000000015008bc3?xsec_token=ABOIK5gQPRk935fS8xKGJFX3Ze0tQW5bq3aPnkx1pY4q4=&xsec_source=pc_search&source=web_note_detail_r10

最低0.47元/天 解锁文章
AIGC实战——扩散模型(Diffusion Model)
盼小辉丶的博客
02-26 1万+
本节介绍了最近最先进的生成模型之一，扩散模型。介绍了去噪扩散概率模型 (Denoising Diffusion Probabilistic Model, DDPM)，并利用去噪扩散隐式模型 (Denoising Diffusion Implicit Model, DDIM) 的思想，使生成过程具备完全的确定性。扩散模型由前向扩散过程和逆扩散过程组成，前向扩散过程通过一系列小步骤向训练数据添加噪声，而逆扩散过程中模型的目标是预测添加的噪声。
AIGC算法工程师 面试八股文
沉迷单车的追风少年
09-02 1万+
1、简述DDPM的算法原理 2、什么是重参数化技巧？Diffusion Models和VAE中的重参数化技巧是如何使用的？ VAE中的重参数化技巧 Diffusion Models中的重参数化技巧 3、什么是马尔可夫过程？DDPM中的马尔可夫链是如何定义的？ 马尔可夫过程 DDPM马尔可夫链 4、为什么DDPM前向过程中前期加噪少，后期加噪多？ 5、VAE和Diffusion Models中的变分推断是什么？ 6、Negative Prompt实现的原理是什么？
面试了50场AIGC，才总结出这190+个问题答案
2401_85325557的博客
09-20 2239
系统整理了最近50场AIGC产品经理面试（包含1-4面）中出现频次5次以上的面试问题汇总，一共三大类19道。最近一个月花了很多时间把完整的参考答案整理完了，一共2万字第一部分：对于AIGC整体认知和以及落地场景的洞察1）谈谈你对AI/AIGC的理解（偏宏观）2）AI当前在XX行业都有哪些落地场景和应用？（XX要么是求职者所在的行业，要么是指应聘公司所属的行业）3）你如何看待AIGC在文本/图片/音频/视频生产领域的应用前景？（要么是求职者AI项目的领域，要么是应聘岗位负责的领域）
2024-03-26 AIGC-大模型学习路线
悟世之路
03-26 5506
熟悉主流LLM（Llama, ChatGLM, Qwen）的技术架构和技术细节；有实际应用RAG、PEFT和SFT的项目经验 较强的NLP基础，熟悉BERT、T5、Transformer和GPT的实现和差异，能快速掌握业界进展，有对话系统相关研发经验 掌握TensorRT-LLM、vLLM等主流推理加速框架，熟悉模型量化、FlashAttention等推理加速技术方案，对分布式训练DeepSpeed框架有实战经验 熟悉Pytorch，具备扎实的深度学习和机器学习基础，对C/C++、Cuda、计算机系统有一定
AIGC时代大模型幻觉问题深度治理：技术体系、工程实践与未来演进
程序边界
05-10 1万+
大模型幻觉问题的治理需要构建"数据-算法-验证-治理"四位一体的防御体系。通过实施动态数据清洗、逻辑推理增强、多模型交叉验证等技术组合，结合量子计算、神经符号系统等前沿技术，可将幻觉率从当前的15%-20%降低至0.5%以下。正如Gartner预测，到2026年，采用全面幻觉治理方案的企业将获得3倍于竞争对手的AI投资回报率。未来，随着技术演进和治理体系完善，AIGC技术将真正突破幻觉困境，成为推动产业变革的核心生产力。
2025-4月份AIGC-大模型学习路线，非常详细收藏我这一篇就够了
2401_84495872的博客
04-01 2404
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上，比BERT优势不是特别大）以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
聊一聊做角色扮演大模型的经验
强化学习曾小健
11-20 3009
在构建通用角色模型时，训练数据中一定要有丰富的人设卡，丰富的人设卡代表了多样的 prompt，有助于避免模型对一个或几个 token 反复训练出现过拟合的现象，这种过拟合可能会让模型智商降低。小说是天然的带剧情的聊天，这里强调了带剧情，因为如果你是不带剧情的超拟人模型，直接用小说中的对话可能会产生割裂感，从而破坏模型的多轮对话逻辑。确实，务实的来说，在当前，应用环境还是比较艰难的，还没到只要去做就能成功的阶段，虽然我相信未来一定会达到的，但现在还是要保持清醒。在语C中，「皮」指的是你扮演的角色。
百度文心大模型 4.5 开源深度测评：技术架构、部署实战与生态协同全解析
热门推荐
池央的博客
07-06 4万+
2025 年 6 月 30 日，百度做出一项重大举措，将文心大模型 4.5 系列正式开源，并选择国内领先的开源平台 GitCode 作为首发平台。该模型也是百度在2025年3月16日发布的自研的新一代原生多模态基础大模型。模型在图片理解方面表现出色，可处理照片、电影截图、网络梗图、漫画、图标等多种形式的图片内容。在音视频理解上，文心大模型4.5也能精准把握其中场景、画面、人物等关键特征。并且，模型在生成名人形象、物品等相关内容时，呈现出较高的真实性。
AIGC实战——基于Transformer实现音乐生成
盼小辉丶的博客
04-24 1万+
Transformer 是最流行的音乐生成技术之一，因为音乐可以视为一个序列预测问题，Transformer 模型将音符视为一个个符号的序列(类似于句子中的单词)，从而用于生成音乐。Transformer 模型基于先前音符预测下一个音符，生成音乐作品。在本节中，将学习如何处理音乐数据，并应用 Transformer 生成与给定训练集风格相似的音乐。
【LLM】长文本大模型之扩展Context长度（RoPE等方法）
发现问题，并解决问题，批判性思维
07-18 5825
展LLM的Context长度其实已有不少，但多数是通过结合检索或者摘要的方式来缩短样本的长Context，如Unlimiformer。由于不是直接处理长Context，因此通常无法做精细的阅读理解，而且这些方案往往需要在训练阶段就考虑进去，而不是事后即插即用到已有的LLM模型中。 2. PCW方法 以前能够不微调地扩展Context长度的方案是Parallel Context Window（下面简称PCW），出自论文《Parallel Context Windows for Large Language
从设计到营销：AIGC如何重塑男装商业全链条？
2506_94275435的博客
12-23 156
先行AI商学院”培养的“AI训练师”，以及“先知人力资源服务”提供的人才支持，确保了企业拥有驾驭新生产力的关键角色。同时，“先知产业联盟”如同粘合剂，将应用AI创新的品牌商、具备快速反应能力的制造商、以及新兴的营销渠道连接在一起，形成一个以数据和智能驱动、快速响应市场需求的价值网络。在链条的起点——“设计研发”环节，“先知大模型”私有化部署后，能够学习品牌的独特调性与海量的全球潮流数据，快速生成大量兼具商业可行性与创新性的设计方案，将概念开发周期从月缩短至周甚至天，直接降低了机会成本与试错成本。
AIGC创作系统开发实践：从技术应用到工程化落地
2501_92440658的博客
12-24 320
异步架构选择：采用FastAPI + asyncio实现高并发处理微服务拆分：将创作、推理、存储等服务分离，提高可扩展性智能调度策略：基于任务优先级和资源状态的动态调度质量保障体系：多层质量检测与自动优化机制AIGC创作系统的工程化实践是一个持续演进的过程。通过合理的架构设计、智能的算法优化和高效的系统实现，可以构建出既强大又易用的创作平台。希望本文的实践经验能为相关领域的开发者提供有价值的参考。关键认知：技术是手段，创作是目的。最好的系统是那些能够激发创造力、降低技术门槛、让创作者更专注于创作本身的系统。
家居服赛道竞争白热化，AIGC能否成为品牌突围利器？
2506_94275435的博客
12-19 147
这一系列能力的根基，在于北京先智先行科技有限公司构建的五大核心业务矩阵：先知大模型私有化部署、先知 AIGC 超级工场、AI 训练师、先知人力资源服务、先知产业联盟。结合先知 AIGC 超级工场的规模化内容生产能力，品牌可实现新品预告、促销活动等营销材料的快速迭代与个性化定制，显著降低对外部资源的依赖与时间成本。站在AIGC服务使用者的角度，这系列赋能直接带来了更快的市场响应速度、更低的试错成本以及更贴近消费者需求的产品与服务。技术的价值，正体现在这些切实的商业成效与增强的用户连接之中。
训练模型用GCP，推理服务放阿里云？聊聊AIGC时代的多云自由
最新发布
Sealos的博客
12-24 151
《多云战略：打破云厂商锁定困局》摘要 面对AWS、阿里云、GCP等云服务选择困境，企业常陷入单云绑定的被动局面：迁移成本高、丧失议价权、方案受限。本文提出通过构建基于Kubernetes的统一应用管理层实现多云自由，该方案具有三大优势：1）屏蔽底层差异，提供一致操作体验；2）支持跨云一键迁移，业务代码零改动；3）灵活调度最优资源，如用GCP训练模型、阿里云做推理。这种将云厂商降级为标准化资源供应商的策略，为企业提供了真正的算力调度主动权。
AIGC 调优实战：从模型部署到 API 应用的全链路优化策略
m0_74319933的博客
12-23 537
某银行需要对每日万份财经新闻生成摘要，原有服务经常超时。问题诊断单次推理耗时 8.2s（P99）内存泄漏导致每小时重启一次无缓存机制，重复请求反复计算解决方案使用 DistilBERT 替代原始 BERT 模型实现基于 SimHash 的语义去重缓存引入异步队列处理高峰流量部署 Prometheus 监控内存增长趋势成效推理时间缩短至 2.3s日均节省计算成本约 ¥1,200SLA 达标率从 82% 提升至 99.6%
Stable Diffusion AIGC 视觉设计实战教程之 09-ControlNet 插件
一只多仔。
12-23 626
ControlNet 插件为 Stable Diffusion 提供工业级精准控图能力，通过姿态、深度、边缘、语义分割等 20 余种预处理器，将参考图结构转化为生成条件，实现线稿上色、建筑可视化、换脸、局部重绘、风格迁移等场景。文章系统梳理安装流程、参数释义、多预处理器叠加技巧，并以 OpenPose、Canny、Depth、Tile、Inpaint 等为例给出实战参数，帮助创作者在插画、摄影、3D 辅助等领域高效产出高保真、高一致性的 AI 图像。
Ling框架：针对AIGC工作流中JSON数据流式处理的解决方案
weixin_43837268的博客
12-23 336
摘要：Ling框架是针对AIGC工作流中JSON数据流式处理需求而设计的解决方案。它通过状态机实现流式JSON解析，支持实时Token处理、JSON路径定位和自动纠错，原生集成SSE协议实现端到端流式传输。框架采用事件驱动机制，允许在上游JSON字段生成时立即触发下游处理（如Bot1生成answer字段时Bot2即可开始扩写），支持自定义Bot扩展。Ling突破了传统JSON必须完整解析的限制，使AI结构化输出能像流水线一样实时传递，显著提升了复杂AI工作流（如RAG）的响应速度和用户体验。
AIGC查重与免费论文查重平台：新时代学术护航指南
2501_94000786的博客
12-24 424
本文将深入解析AIGC查重的原理，探讨免费平台的价值，并为用户提供整合使用策略，以应对当前复杂的学术诚信审查环境。智慧的做法是在写作全流程中整合利用这些资源：以免费查重筑牢基础，以AI检测作为警示参考，并最终以学术机构的规范为最终依归。虽然其核心是传统查重，但一份经过PaperPass反复打磨、文字复制比极低的论文，本身就降低了因不当“借鉴”而触发更复杂AIGC审查的风险。结果需谨慎解读，存在误判人类文本为AI的可能。：免费查重平台是学术训练过程中的实用“教练”，助力学生以低成本掌握原创写作的基本功。
集之互动AIGC广告大片：以“高可控”技术重构品牌视觉想象
zhijieqianyan的博客
12-19 442
无论是需要契合特定营销节点的主题广告，还是突出产品核心卖点的宣传大片，集之互动的技术底座都能提供稳定可靠的创作支持，让每一次生成都能贴合品牌的创作诉求，让每一帧画面都真正由品牌方掌控。针对通用AIGC技术普遍存在的“幻觉”问题，集之互动通过专项算法优化与大量行业数据训练，形成了有效的规避机制这种全方位的“高可控”能力，让生成的内容完全符合商业广告的生产标准，既保证了画质的高清质感，又确保了内容的合规性，彻底打破了品牌方对AI创意不可控的焦虑，让品牌能够全程主导广告创作方向，实现创意构想的落地。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值