1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

如果你最近关注AI Agent，会发现大家好像都在做Agent了，而且功能越来越多，场景越来越复杂。但一个很现实的问题也开始出现——这些Agent到底做得好不好？差在哪？还能怎么优化？很多时候，这件事不能仅仅肉眼看出来的。今天这个AI Agent评测工程师就在解决这个问题。相比“做Agent”，它更关注的是另一件事：如何系统性地评估一个Agent的能力，并用结果反过来驱动产品迭代。一天一个AI岗位介绍，今天我们来看看AI Agent测评工程师。🧩 主要工作内容：给Agent建立一套“可量化的评价体系”从JD来看，这个岗位的核心并不是开发功能，而是围绕“评测”做一整套体系建设。但这里的“评测”...