春招第二次算法笔试

刷牛客发现，80%的应届生实习翻车，不是因为技术不行，是不会跟mentor相处。要么是不敢提问，遇到问题自己硬扛，最后耽误了项目进度，被骂；要么是不动脑子，什么鸡毛蒜皮的小事都问，让mentor觉得你能力差；要么是过度依赖mentor，自己不思考，永远只能做CRUD，转正无望；甚至还有人跟mentor对着干，最后实习证明都拿不到。我自己4段实习，从外包到传统公司，再到互联网大厂，遇到过坑人的mentor，也遇到过神仙带教，踩过无数的坑，也总结出了一套和mentor相处的底层逻辑和实用方法。今天就跟所有应届生讲透：和mentor相处的本质是什么？怎么建立健康的相处模式？怎么正确提问？哪些红线绝对...

遇到一个民科乐子，最难绷的一集。

比预想中晚了一周，时间过得真快啊，感觉越学越多，目前这版简历下周直接开投了，两个项目都是自己用AI敲的，欢迎各位继续拷打，也是在共同交流学习吧。目前可以说出项目架构业务，自己亮点设计的一些思考，技术实现以及技术选型原因，量化指标也准备了一套说辞，但深挖代码估计就寄了；八股过了一遍，属于基本能说点原理理解，但深挖细节估计也寄了；算法简单了解一些整体思路，但手撕估计也寄了；AI可以吹下项目相关的工程实现和一些技术选型，但深挖技术肯定就寄了。总之，基于自身学习状态考量，先投些小厂继续学吧。有道是：“人生南北多歧路，一处春山一路平。”

Q1：prefix Decoder 和 causal Decoder 和 EncoderDecoder 区别是什么？答案：prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别在于 attention mask不同：Encoder-Decoder：在输入上采用双向注意力，对问题的编码理解更充分。适用任务：在偏理解的 NLP 任务上效果好。缺点：在长文本生成任务上效果差，训练效率低。causal Decoder：自回归语言模型，预训练和下游应用是完全一致的，严格遵守只有后面的token才能看到前面的token的规则。适用任务：文本生成任务效果好。...