入职互联网大厂大半年，我是部门唯一的本科生，亲身经历和身边人的对比，让我对学历在求职和职业发展里的分量，有了比学生时代更清醒的理解。今天想把这些真实感受，认真和大家聊一聊。首先我特别想反驳一个流传很广的论调：本科能就业就别读研。每次看到有同学明明有保研机会，却被这种说法忽悠着直接工作，都觉得特别可惜。结合技术岗的实际情况，我把市面上的工作大致分成两类：一类是真正的大厂岗位，起薪可观，更关键的是身边同事整体水平高，能接触到行业前沿的技术和成熟的体系，这段经历本身就是未来跳槽、晋升的重要背书，我把这叫作给自己构筑职业壁垒；另一类更像是单纯的体力消耗，薪资不高，工作内容重复且无成长，对后续职业发展几...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

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...