二面1. 自我介绍2. 实习经历（这里只写可能通用考察的问题）如何定位系统的瓶颈，然后如何优化的？为什么重试需要使用二级队列优化，具体怎么做的？3. AI相关RAG 整体链路如何搭建？如何做Query的改写？向量数据库的选型？4. 算法两个线程交替打印奇偶数三面1. 自我介绍2. 职业规划相关后续规划，读研还是工作对AI的看法3. 学习如何学习新的知识和技术对AI coding的实践

26届本科，这样的简历春招能拿到offer吗

今日首蚌，真的很难绷住

1. 谈谈深度学习中的归一化问题深度学习中的归一化，核心目的是让不同层、不同特征的数值分布更稳定，从而加速训练并提高收敛稳定性。常见归一化包括输入归一化（如像素缩放到[0,1]）、BatchNorm、LayerNorm、GroupNorm。BatchNorm在mini-batch维度统计均值方差，适合CNN场景；LayerNorm在特征维度统计，常用于NLP和Transformer。归一化可以缓解梯度消失/爆炸、允许更大学习率、降低参数初始化敏感性。 import torch.nn as nn # CNN里常见 BatchNorm2d cnn_block = nn.Sequential( nn...