虾皮内推，内推码AFKmv ，有需要问公司情况的可以点开帖子

有一次嵌入式面试，面试官没有问太多八股文，直接给了一道现场手撕题。背景是设备需要统计状态寄存器中异常位的数量，本质就是统计一个 32 位寄存器里有多少个 bit 为 1。题目不难，但面试官强调两点：这是跑在单片机上的代码，效率要高，不能浪费算力。如果只会一位一位右移去数，很容易被追问有没有更优解。这道题考的不是能不能写出来，而是你平时有没有真正写过底层代码，是否对位运算和性能敏感。写完代码后，面试官还会继续追问在中断里用、在低功耗场景下用，有没有需要注意的地方。这种题目，很贴近真实嵌入式开发，也最容易拉开水平差距。

跟一块实习的同事吃饭时，他们和我说："咱们公司之前有一个北大的，不知道什么专业转来了学cpp。" 说北大哥的记忆力出奇的好，市面上的八股他都倒背如流，再加上学历buff加成，来到了我们公司。入职之后直接“原形毕露”，同事和我说“让他配一个最基本的环境也不会，面试时滔滔不绝讲个不停，结果基本的语法也写不会”，而且还说他很懒很摆烂，学习态度也不好，所以在公司呆了每一个月就被炒鱿鱼了。

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 ...