给大家拆解一下事业部+岗位，看一线大厂是如何布局AI发展的 岗位详细清单与职责分析 一、技术研发类岗位 1. 大模型 Agent 技术专家 - AI 应用与创新 岗位 ID: 7419283793284565274 工作地点： 未明确指定 核心职责：  负责 LLM 工程化相关研发工作 构建 Agent 体系的技术架构 推动大模型在业务场景中的落地应用  任职要求：  3 年以上研发工作经验，本科及以上学历，计算机相关专业 具有 LLM 工程化相关研发经验 扎实的后台研发能力，熟练掌握 Golang/Java/Python 任一编程语言 熟悉 MySQL、ES 等常用基础组件 良好的设计能力、...

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

如题，本人双非学院本，大一大二的时候主要在打ACM。但是怕只打ACM找不到工作，大二也开始学开发。大三上边实习还边打比赛，但是圆梦ACM亚洲区域赛金牌了。然后我信息差比较封闭，加上前面打比赛也没什么时间。所以项目就是一个练手项目，想写技术亮点都不知道写啥。后面也没时间做一个新项目。实习也是初创公司。感觉项目经历和实习经历都拉完了。然后也是寒假才了解到暑期实习，然后花了一两周从零开始背八股，刷面经。然后面了腾讯WXG还是有些八股遗漏了，还有被吐槽项目没深度，一面直接挂了。现在感觉好焦虑，感觉ACM金牌好像作用并不大。不知道还能不能找大厂暑期，不行的话要先找中小厂沉淀吗，或者加急一个星期赶出个比较好的Agent项目然后继续投，还是说不如直接去信奥赛教培行业了。考研走算法岗的路线就算了，偏科太严重了也不擅长考试。好迷茫啊，感觉卷不动了。

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...