一、三面（30min）针对实习经历接着询问学过Go语言吗？能实习多久？最早什么时候能到岗？有没有留用诉求？ 反问咱们部门和Agent相关的核心业务、具体落地场景有哪些？和剪映核心能力是怎么结合的？咱们团队当前在Agent业务上，最核心的业务难点/待突破的方向是什么？团队内的同学在做业务遇到技术卡点时，通常会通过哪些渠道寻找解决方案、激发技术灵感？咱们部门有没有和AI相关的核心业务指标，比如AI贡献率、代码出码率这类量化要求？如果我有幸入职，团队对新人前1-3个月的培养路径与核心产出要求，有没有明确的规划？二、HR面面试题（一）个人基本情况与实习稳定性考察你是哪里人？对面试岗位的base地是否有...

说实话我当时秋招的时候就一个目标：必须进大厂。不是说小公司不好，而是我双非本，如果第一份工作再没个好平台背书，以后跳槽简历都不好看。事实上我把大厂投了个遍，笔试挂了一大半，面试又挂了几家，最后就拿了一个offer。过程确实很痛苦，但我觉得值。进来之后感受就是：流程规范、技术栈新、身边同事都很强，每天被卷但也确实在成长。而且说句现实的，大厂的薪资确实比同届去小公司的同学高出不少。当然我也知道大厂有大厂的问题，什么螺丝钉啊内卷啊，但我觉得对于实习来说，先进去学再说，后面想走随时可以走，但第一份工作的起点真的很重要。

boss打招呼了快500，简历投了40多份，结果到现在就只有一个外包和一个几十人小厂约面，大部分都是已读不回，或者要了简历就没下文了。不知道是我的简历写的有问题还是打招呼的方式不对，又或者学历的问题，真不知道该咋办了 …………

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...