找个java或全栈实习，捞捞孩子吧

一、面试官筛简历时在想什么我每天看几十份简历，看到“熟练掌握PyTorch”“熟悉Transformer架构”这种话，基本跳过。为什么？因为谁都会写这句话，但80%的人经不起追问。我真正想看到的是：这人到底用AI干了什么实事？项目描述里有没有具体的问题→方案→结果他调的是别人的库还是自己改的？有没有提到修改源码、优化性能、处理bad case效果是真的好还是随便写的？有没有可量化的指标（准确率提升X%、耗时降低Y%）这项目是他主导的还是跟跑的？有没有明确写出个人贡献二、好的AI能力简历长什么样我直接给你一个对比，你感受一下：❌ 差的写法“使用PyTorch实现了一个图像分类模型，准确率达到95...

面试题总结如下：记忆机制： 短期记忆（Context Window）和长期记忆（Vector Database/RAG）怎么配合？工具使用： 怎么让模型知道有哪些工具可用？（Function Calling / JSON Mode）。多智能体协作： 什么时候需要多个 Agent？评估： 怎么知道你的 Agent 好不好用？

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...