上海携程补招进展

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...

这个星期就做了这一个模块，有点嘚没把分支拆开写，只能合一坨大的了，就是辛苦我导师cr了，我真的不是故意的(„ಡωಡ„)栓Q，代码是越敲越起飞了哈哈哈哈，我要冲锋感觉又支棱起来了，间歇性摆烂持续性冲锋(其实是鸡汤看多了)，冲锋！啊啊啊啊啊今天本来发工资买了五花肉做粉蒸肉的但是北京这边超市怎么没有蒸肉粉哭了T﹏T啊啊啊啊。不过盒马真的很便宜诶，这个星期放假去超市买点蔬菜啥的放起来

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...