再开个贴 鹅评估许愿offer 产品实习

1. 谈谈深度学习中的归一化问题深度学习中的归一化，核心目的是让不同层、不同特征的数值分布更稳定，从而加速训练并提高收敛稳定性。常见归一化包括输入归一化（如像素缩放到[0,1]）、BatchNorm、LayerNorm、GroupNorm。BatchNorm在mini-batch维度统计均值方差，适合CNN场景；LayerNorm在特征维度统计，常用于NLP和Transformer。归一化可以缓解梯度消失/爆炸、允许更大学习率、降低参数初始化敏感性。 import torch.nn as nn # CNN里常见 BatchNorm2d cnn_block = nn.Sequential( nn...

标题党了 蚌…

什么年代了，还有地主

面经面试时间：1月份，日常实习，部门是国际化（还挺想去的，最后一面挂了（一）项目实践与工程化类实习中挑一个最有挑战的经历介绍性能优化的具体落地动作（资源加载、渲染、运行阶段）？如何量化优化效果？（简历有提到如何理解 CDN？哪些资源适合放 CDN、哪些不适合？是否了解 CDN 动态加速？（简历有提到CDN虚拟列表的实现逻辑、核心优势（简历有提到AI 提效（cursor rules）的具体实践？（简历有提到skills 与rules 的核心区别是什么？(当时没回答好大模型与 2020 年前传统模型的本质区别？催生大模型出现的核心原因？（没回答好，扯到transformer前端开发中常用的设计模式...