一面结束后，我大概有个预期：联影的面试不会考“广”，而是会继续往“深”和“实战”走。二面的实际体验也基本符合这个判断。整体节奏没有一面那么偏底层原理，但明显更偏向系统设计、问题定位和工程经验。面试官不会再单点拷打某个知识点，而是更倾向于抛出一个真实问题，然后不断追问你：你会怎么分析？为什么这么做？有没有更优解？代价是什么？很多问题没有标准答案，但能明显感受到，对方在判断的是：你是不是一个能在复杂系统里把事情兜住的人。面试题目在一个嵌入式系统中，如果出现“偶发性死机”，但长期无法复现，我会如何设计一套系统性的排查方案？如果系统运行一段时间后性能下降，但CPU利用率不高，我会从哪些角度去判断瓶颈是...

四段实习经历，三段大厂。。春招至今0面试。。。受到好大的打击啊

下周开始我要白天上班偷产出晚上下班练算法有空就去学 ai五月我要进大厂

1. 自我介绍2. 项目拷打3. 你实习做了什么 有什么提升 详细说说4.Transformer 为什么适合做大模型底座？Transformer 适合做大模型底座，核心原因是 并行能力强、长距离依赖建模能力强、扩展性好。RNN 按时间步串行处理，训练效率低，而且长距离依赖容易衰减；Transformer 使用 Self-Attention 直接建模任意位置之间的关系，训练时可以并行处理整段序列，所以更适合大规模预训练。现在大部分大模型都以 Transformer 为核心结构。5. Self-Attention 的公式是什么？输入 (X) 先映射成 Query、Key、Value：注意力计算公式...