打开章节导航攻略章节00|先把目标缩到一个能验证的岗位01|按实际工作区分 AI 岗位02|从自己的基础,走到一条可申请路线03|把已有经历变成可信证据04|做一个可验证的技术项目05|把项目变成 GitHub、简历与面试证据06|技术面试:按岗位练,不背一份万能题库07|地区、毕业时间与雇主资格分别核查08|定向申请:用同一套证据回答这条 JD09|用投递和面试记录,定位下一步技术案例:从“跑得动”到“证据可信”技术项目01|把一个小模型做成可信的实验02|把模型交给一个真实 HTTP 接口03|有引用,不代表回答正确三个能运行、能解释、能查错的技术样例教学输入的数据许可与来源模板01|岗位研究与申请前核验02|能力差距表03|学习行动与每周交付04|技术项目 README 模板05|实验与评测记录06|失败样本与根因验证07|中文与英文简历:三条路线的教学样例08|技术面试自查与模拟题09|行为面试:STAR与结果边界10|投递台账与招聘窗口11|面试复盘与问题定位12|个人贡献、上游来源与AI辅助声明13|资格、时间与地点确认:英文询问信14|数据卡与模型/系统卡可编辑模板包原始研究与来源覆盖缺口与更新队列真实雇主 JD 研究表JD 来源核验记录地区资格与招聘时间:分开核查新旧仓库内容边界与只读审查技术方法来源
岗位与来源 · 资料核验 2026-11-13

技术方法来源

核验日期:2026-11-13。仅引用官方文档和原始论文。以下是概念来源,不表示本仓库导入了这些库、复现了论文系统,或取得论文中的结果。代码与合成样例由本项目独立编写,方法说明与实测结果分开。

ID来源本册使用范围访问状态
T01scikit-learn:Common pitfalls数据泄漏、分割后拟合预处理;本册未依赖 sklearn官方正文已读取
T02scikit-learn:Metrics and scoringprecision、recall、F1、macro平均与指标选择官方正文已读取
T03PyTorch:Reproducibility跨环境重现的限制、随机性与环境记录;本册未运行PyTorch训练官方正文已读取;stable入口指向此版本
T04Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks检索与生成的概念边界;本册离线样例无生成模型原始论文摘要页已读取
T05Python:http.server本地HTTP演示的适用边界;标准库服务器不适合作为生产部署方案官方正文已读取
T06GitHub:Custom workflows with GitHub Pages配套静态站部署流程与权限;工作流已准备,未声称GitHub远端实际执行官方正文已读取

Python 标准库接口以运行环境附带文档为准。示例项目只要求 Python 3.10+,所有外部模型适配仅在实际实现、运行与评测后才可声称验证。没有在线模型测评、GPU训练或真实用户业务指标。

第三方文档、商标、论文和招聘原文的权利归各权利人。链接与有限摘要不将第三方内容改授本项目许可证。

原始文档:research/technical-sources.md