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...

🐭🐭是学院本，没有实习过😭3.2号更新一波简历，目前已经有一家进二面了，一面线上面被拷打了一个多小时，后面和负责人开始聊天。😭

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

今天阿里产品二面，一个小时，记录一下。 面试官上来直接问：你平时用什么工具做需求分析？ （这个问题让我愣了一下，准备了一堆业务框架，没想到先从工具切入。我说了Axure、飞书，顺手提了最近在用的网申助手——求职阶段管理投递记录和填表用的，面试官笑了说"挺实用的，效率意识不错"。） 之后进入正式题。 【题目1：设计一个功能，帮助用户在淘宝找到"值得买"的商品】 思路：先澄清"值得买"的场景——目的性购物、对比比价、随意浏览，三条路需求不同。重点放在比价场景：用价格历史曲线+差评关键词聚类，做成置信度评分，直观告诉用户当前价格在历史区间的...