三年之期已到，从0开始再战实习

在深圳某小厂实习了块一个月，在公司学习进步的速度比自学快挺多的，mt派的活干完我就刷leetcode，没实习前在图书馆也是学，实习了在公司也是学，甚至有种带薪学习的错觉😂。公司整体福利还挺不错，有免费的健身房和台球厅，还有免费咖啡和每天一供的下午茶，吃饭也不咋花钱，用饭补足以覆盖，朝久晚六，到点我就下班狠狠跑😍。投的后端开发，进去直接干全栈，当然有公司提供cursor账号，干全栈也不是不行，只不过是没法review前端代码罢了😜，公司内貌似没看到前端实习生，实习生全是后端+cursor干全栈，整个公司前后端比大概在1:10，公司前端有点像技术顾问？我们cursor调不好的页面就会交给他们处理。我们目前做的是tob的业务，还是新开的，有点像逻辑更复杂的苍穹外卖，各个模块耦合严重😖，整体难度体现在业务逻辑分析和数据库设计上，不过有了ai赋能，开发提速了不知道多少倍😁，现在开发流程都变成写需求文档和prompt，然后让ai生成，接着在人工review一下，不review一下，ai拉了多少💩你都不知道😓。下午还出了一个搞笑的事情，公司cursor余额被干没了，一个组的大tl还不断的催cursor账号负责人快充钱，项目进度很紧，不敢想象公司没有cursor之后，进度得放缓多少倍。整体来说实习生活还蛮有趣的，也能学不少东西，还有各种免费的东西白嫖

这绝对是近期最硬核、也最反直觉的 AI 硬件新闻。在这个满世界都在拿 GPU 算力说事儿，拼命追求大模型通用性和灵活性的时代，多伦多一家成立不到三年的初创公司 Taalas 丢出了一颗深水炸弹：他们选择放弃一切灵活性，把 AI 模型直接硬编码进了芯片物理层。突破“内存墙”的极端解法搞底层架构的同学都知道，现在的 AI 计算碰到了一个硬边界——内存带宽瓶颈（Memory Wall）。模型越来越庞大，要把几百亿参数在显存和计算单元之间来回搬运，耗费的时间和能耗，早就远超矩阵乘法计算本身了。Taalas 的破局思路简单粗暴到了极点：既然每次算的东西结构都一样，凭什么还要搬来搬去？直接把权重存在晶体管...

今天在等待实验结果的时候打开了尘封许久的简历，想着改一下简历投个实习，左改右改发现除了学历多一条，论文多一篇（而且还只是投出去没出结果），啥也没有。打开力扣上来就发现自己已经完全忘了c++和Java怎么写，毕竟科研主要都是用Python，看了会八股发现几乎全都忘干净，更不用说之前就没怎么学好的中间件等等。简历左调右调都会一页多几行，逐渐不知道怎么办的时候，实验结果跑出来了，经过两个周的彻夜努力，终于实现了高达0%的提升，部分数据上效果暴跌一大半。所以之前就觉得，本科秋招的好处就是可以全身心投入，没什么担心的，读研了之后毕业课题始终压在身上，真的喘不过气来。不敢投简历，其实也是怕曾经明明拿到过offer，现在却只能接受简历被拒，或者过不了面试的事实。。

1.29三面，应该是主管面然后+1人很好，很和善30min一直在对我的实习经历进行拷打和深入理解，并且结合测开岗位提问一些有深度的问题1.30显示通过