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...

因为考研没秋招，现在怎么都找不到合适的工作。。。

目前写了两个项目，一个是自己写的网盘，还有一个是外卖，自己优化了一下，现在是打算年后找实习，有机会去中小厂吗，还要往哪一方面优化？求各位大佬点评

现在在AI领域的实际工作中，Skill设计是最核心的。不是提示词工程，不是模型微调，而是给Agent写"技能说明书"的能力。 结合百度输出的skill文章整理了下： 什么是Skill？ 简单说，Skill就是一份结构化的任务说明，告诉AI Agent：  你能做什么 什么时候该触发你 具体怎么一步步执行  它不是代码，更像是一份"超级SOP"。写得好，Agent就能自动识别用户意图并执行复杂任务。 Skill的文件结构 一个完整的Skill长这样： my-skill/ ├── SKILL.md # 核心文件：描述+工作流程 ├── scripts/ # ...