继续来分享下之前的面经~欢迎友好讨论，信息共享1.介绍rankmixer的做法2.手撕tokenmixing3.手撕 MultiHeadSelfAttention4.介绍为什么rankmixer为什么有效对比attention结构为什么更容易scaling5.sim序列是怎么做的原始序列有多长GSU怎么做的6.某些负反馈目标的正负样本比例7.rankmixer线上时延8.训练吞吐，样本量，模型dense参数量，MFU计算方法9.手撕AUC10.了解哪些归一化手段

第一段实习：我以为学不到东西，是公司和mentor的错我的第一段实习，我的mentor是组里的技术骨干，天天不是开会就是对接项目，一天到晚见不到人，入职当天跟我简单说了句“先看看项目文档，熟悉熟悉代码”，之后就再也没管过我。同组的同事都忙得脚不沾地，每个人都有自己的模块要负责，我连问问题都找不到时机，怕打扰人家工作。入职前半个月，我每天的工作就是：打开电脑，翻一遍根本看不懂的项目代码，对着满屏的业务逻辑发呆，有问题先搜AI，搜不出来就只能憋着，一天下来啥也没干，啥也没学会。后来mentor终于给我安排活了，全是打杂的活：整理接口文档、核对数据、改一些无关紧要的文案、写最简单的单元测试。我硬着头...

给我面没招了，发点面经攒攒人品～实习拷打1.LangGraph相对其他开源智能体编排工具的优点是什么?(追问) LangGraph是否存在与其他工具不兼容的问题?如果有，你是如何解决的?2.在现有场景中是否需要用到LangGraph 的状态管理功能?(追问)LangGraph的状态管理功能是否帮助提高了任务的执行效率?可以分享使用经验吗?3.如何理解Long-termMemory的实现方式?(追问)你是否对Long-termMemory在模型中存储有效性进行评估?它在实际项目中的应用表现如何?4.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法?(追问)如何确保电商场景中的长期记忆不会过时或冗余?你认为应该如何更新这些记忆?

求指点，先给牛友们看点好看的