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...

过了，云智真tm香啊。😜

正式进入AI Coding时代了  

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花在Spring依赖注入场景中，@Autowired和@Resource是最常用的自动装配注解，二者功能相似但底层逻辑、设计规范、使用规则差异极大，直接决定了装配成功率和代码兼容性。以下从核心维度逐一拆解区别：一、基础归属：规范来源不同@Autowired：Spring框架专属注解，来源于org.springframework.beans.factory.annotation.Autowired，仅在Spring容器中生效，脱离Spring环境无法使用。@Resource：Ja...