nicking

另外，我觉得你的简历问题很大，一眼看上去，没啥重点，企业更看重的是你研究中解决了什么疑难杂症，在简历里你要把他们的注意力吸引到这上面来，很多你都是一句带过了，新加坡科技研究局这段经历就很粗糙，没啥亮点，你就说了跟别人合作，发了论文，这类写法可能对去高校找教师的工作很好用，那些人倒是很看重你跟谁合作了。企业是看重你的解决问题的能力。

学术发表不用把完整的引用格式粘贴出来，太长了 [可以把空间给研究经历部分] ，把文章标题、影响因子、分区带上，让人一眼知道，论文的质量。你只要标注好你是第几作者就行了，面试官不关心论文的其他作者。写上去等于浪费空间。

看了博主，跟我读研的时候方向一样，也是低剂量 CT ，然后是 Y zhang 团队的，还引用过你们团队的论文，不过我就是一个双非，要求也不高，现在在一个小国企里面当混子，自然也是给不了建议的，祝好。但是我感觉我们的方向确实冷门。现阶段还是检测，识别这类的吃香点，毕竟这类算法出来了，能很好的人机协作。

像低剂量，你使用深度学习进行增强了，可解释性太差了，万一模型把病灶当伪影给消除了，那不是出大问题了吗。

谢谢老板：TVRjNE1qZzFOREl6TkVCeGNTNWpiMjA9

谢谢大家回复，明年再出国了，今年先去云南

MTc4Mjg1NDIzNEBxcS5jb20=
谢谢老板

@Sezxy 这个是因为谷歌做了优化，就是 google 把你的一些历史内容和你当前的问题进行拼接，然后再输入到模型中进行预测，所以他的预测结果让你看上去和历史对话有关联。

其实这个不算是 bug ，这个是因为大模型的原理就是根据已知文字预测未知文字，比如我们问 1+1 等于多少的时候，模型本身是不具备计算能力的，他会根据你的输入预测下一个概率最大的一个字符，他预测：2 的概率是 80%，3 的概率是 10%，4 的概率是 5%，'好'的概率是 0.5%，'a'的概率是 0.5%，'#'的概率是 0.5%.....，然后选择一个最大概率的字符出来，就形成了下一个字符的输出。然后又把新的字符拿进去，又预测下一个字符。最终预测到一个标记比如：end ，那么就结束预测了。所以用户在输入 <think 过后，他管你说的啥，就开始基于 <think 进行预测。所以我们看到的就是奇奇怪怪的内容。这就是幻觉。

他们可以前端加个过滤，比如用户输入 <think 过后不传输到模型层进行预测。但是这个完全没有必要。

我下单了，但是还想再中一箱