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...

这俩就是包装的外卖和点评，我boss投了十多天了一个面都没有，哎人都要焦虑死了，感觉暑假实习都拿不到，只能去学校实训了，到时候秋招能不能找到好工作都感觉有点难，有没有大佬指点一下，拜托了🙏🏻

我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？4.3更：g的不能再g

从我和身边朋友了解的情况来看，可以明确的是：纯背概念的“八股”时代已过去。​ 但“八股”以另一种形式存在，分为 “考古派”​ 和 “应用派”。“考古派”公司： 特征：传统金融、通信、硬件公司，及部分转型慢的互联网中厂。 问法：“TCP和UDP的区别是什么？”“说一下虚拟内存机制。” 基本是教科书原题。 底层逻辑：考察知识体系完整性和你的基础扎实程度，认为这是潜力的体现。对这些公司，快速过一遍经典“八股”仍必要。 “应用派”公司（主流）： 特征：一线互联网、AI原生公司、技术驱动的外企。 问法：“我们的产品在高并发下出现了XX问题，你觉得可能和TCP的哪些机制有关？”“为了优化我们KV存储的性能...