满帮内推，内推码NTAXJWy

1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

那可真是太遗憾了，你们就继续把流程卡在简历初筛吧，继续给我发测评和笔试之后把我挂掉吧（大部分甚至连感谢信都没有😁），我填网申一点都不累，做测评和笔试一点都不辛苦

这种简历可以吗想进个小公司就可以了，只想有个稳定的工作有点结巴

一面过了之后隔了三天约了二面，同样是视频面试，时长将近一个小时。二面的面试官是技术负责人，上来先深挖项目，然后是几道比较有深度的技术题，最后出了一道系统设计题。整体感觉比一面难不少，很多问题没有标准答案，考察的是思维方式和工程经验。1. 详细讲一下你项目中最复杂的模块，为什么这样设计？有没有做过重构？二面必问，而且会顺着你说的内容一直追问，所以只说自己真正理解的部分。回答框架：背景：这个模块解决什么业务问题，规模有多大（QPS、数据量）设计：核心架构是什么，为什么这样划分，技术选型的理由难点：遇到过什么问题，怎么发现的，怎么解决的演进：如果做过重构，重构前后的对比，重构的收益面试官最想听到的是...