客观说北京机会更多，上海生活更好。但"苦不苦"这事儿，跟城市关系真没那么大，跟你做什么工作关系更大。我朋友在北京大厂，虽然冬天冷得要命，但年薪40万、团队氛围好、天天能学新东西，他觉得一点不苦。我另一个哥们儿在上海外包公司，气候宜人又怎样？天天996改低级bug，月薪1万5，房租就要6千，他说每天都想逃。真正的苦是：在一个城市看不到希望。工资涨不动、技术没进步、存款攒不下，这才是最磨人的。至于天气冷点、房租贵点、地铁挤点，这些都是表面的苦，咬咬牙能扛。所以别纠结漂哪儿。问问自己：这个城市有没有你想要的机会？你在这儿能不能成长？三年后你会比现在更值钱吗？如果答案是yes，那就...

流程走的好快timeline：3月28日被捞出来打电话约面3月30日一面3月31日二面二面后大概一两小时收到hr的口头oc~总结了下，感觉应该是实习和项目比较match部门的业务，双非找实习还是得搞一搞好的项目放简历，我已经迭代了十几次简历，从一开始很简陋的crud 组件库到现在，也算是完美地跟着小圆走了一遍找实习的辅导过程😂

这些题刷完能不能拿五千一个月

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...