秋招尾声——祝愿大家都oc

作为一个两段大厂实习的普通秋招人，从自己曾经踩坑来分享一下怎么算优秀的实习经历。我个人是一段日常实习和一段暑期实习，曾经用日常实习面暑期实习的时候，被袋鼠面试官给了“伪需求”，“看待问题角度太小”等不好的评价被挂，也得益于此，在暑期实习的时候能更明白怎么做好一段实习。首先结论，优秀的实习经历 == 沉淀 + 思考沉淀和思考这两个词真的很官方，尤其是经常出现在大家调侃的pua话术里，这两个词也有类似的地方。首先说沉淀吧，实习生开启一段实习，很多时候是开始逐渐具有对特定小范围领域和解决方案的认知，在实习过程中，需要沉淀出你对此的认知，包括特定的领域问题以及常用解决方案等等，在面试过程中就是触发你和面试官的共鸣，这些认知就能体现你深度参与过这一段实习，尤其是秋招面试垂直领域岗位的时候，会比较容易引发共鸣。大家在实习的时候都避免不了干脏活，但沉淀其实真的不会被脏活完全影响，跳出自己干的活的视角，从整个项目来看一些东西，整体理解沉淀。另外说思考，思考这个东西其实包含了上面的沉淀认知，但我这里更多的是想表达你在实习过程中遇到的难点，以及针对技术选型之类的，这个确实不是每个人都能遇到。当然mt遇到的难点，你也可以是自己的，但也很稀缺。最后，希望大家开启每一段实习的时候都从备战秋招的角度出发，不要像我一样浪费了第一段大厂实习。

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 ...

工作前 VS 工作后，你的心态变化工作前的我，满脑子都是 “努力就有回报” 的热血信条，觉得只要拼命干活、主动加班，就能被领导看见，升职加薪指日可待。那时候看到职场鸡汤还会热血沸腾，幻想自己能在岗位上大展拳脚，把每一个任务都做到完美。工作后才发现，现实根本不是 “一分耕耘一分收获”。有时候你熬了好几个通宵做的方案，可能抵不过别人三分钟的汇报；你埋头苦干的成果，可能会被轻描淡写地一笔带过。慢慢就懂了，比起盲目努力，选对方向、学会沟通、懂得权衡才是职场生存法则。现在的我不再执着于 “被看见”，只希望能按时下班，把生活和工作掰扯清楚。

不读书后一年真的过的好快