双非菜鸡，考研失败求捞和指点

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...

还有一些简历挂的没放出来鼠鼠我太菜了

求狠狠锐评简历，boss投递无人理。

1. 自我介绍  你先开始自我介绍一下。  2. C++ 语言基础  能不能简单介绍一下 Lambda 表达式和智能指针？ 在你的实际项目中有没有用到这两个技术？请举例。 为什么那个地方（回调函数）要用 Lambda 表达式去写？（追问） 你在项目开发中是怎么使用智能指针的？  3. 数据结构与 STL  你能说一下 unordered_map 和 map 的底层实现及性能差异吗？ 在量化交易的批量定价场景中，你会优先使用哪一个？理由是什么？ 为什么红黑树的效率（在某些场景下）比哈希低？ 或者换句话说，为什么哈希存储方式的效率要高于红黑树？ 什么场景下必须选择 map 而不能用 unorder...