一、引言 又到了一年一度的年终复盘时刻。 复盘，从来不只是回看已经发生的事情，更重要的是——为尚未发生的未来，提前铺路、校准方向。 回望 2025 年，其实很长一段时间里，我始终没有真正找到自己的方向。工作之外，谈不上热爱，也谈不上笃定，只是在惯性中前行。 直到 2025 年的尾声，才终于看清了一些东西：哪些是必须坚持的，哪些是可以放下的，也逐渐摸索出几条更属于自己的路径。这一年，并非突然开悟，而是反复碰壁后的沉淀与取舍。 依旧按照惯例，沿着时间的轨迹，回到 2025 年的起点，梳理这一整年里的得与失、进与退，也为下一阶段的自己，留下些什么。 二、技术（AI驱动）  2025 年，是 AI 加...

他也是实习生，与前端同事对接，他给出对于这个问题的想法，前端就只回了一个“？”，或者跟她说修改哪里就只回一个“1”，跟我这个实习同事交流不超过4个字，那个前端也是一个二十三四岁的感觉，笑死了

暑期实习拿到了某家大厂没去，秋招没投这家。10月份的时候hr打电话说。说暑期评价非常高，可以只面一场来发offer，我说ok的。结果又过了一周没什么消息，我以为说说而已。这两天call我说不用面了，直接看邮箱有offer，又是股票又是签字费的，总包60+，如图上次短信还是四月的面试邀请。ps：最后拒了，选了字节，只能说良心有点不安了。

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...