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...

我现在这个水平大概能拿到多少薪资的offer😂

1.自我介绍2.说一下java集合体系3.常见的线程池4.自定义线程池的核心参数，分别是什么作用5.请求从接收到处理到数据库，会用到哪些spring的注解6.join的几种用法，有什么区别7.使用线程池提交任务时候用submit和execute有什么区别8.使用redis缓存，用的是什么客户端，在代码里怎么写9.SpringAOP的原理10.说一下大数据的了解11.kafka相关？12.说一下Springbean的生命周期主要还是以拷打八股为主还有考察是否有真实的实践操作，整体算是比较轻松的，没有什么特别刁难的问题