一、引言 又到了一年一度的年终复盘时刻。 复盘，从来不只是回看已经发生的事情，更重要的是——为尚未发生的未来，提前铺路、校准方向。 回望 2025 年，其实很长一段时间里，我始终没有真正找到自己的方向。工作之外，谈不上热爱，也谈不上笃定，只是在惯性中前行。 直到 2025 年的尾声，才终于看清了一些东西：哪些是必须坚持的，哪些是可以放下的，也逐渐摸索出几条更属于自己的路径。这一年，并非突然开悟，而是反复碰壁后的沉淀与取舍。 依旧按照惯例，沿着时间的轨迹，回到 2025 年的起点，梳理这一整年里的得与失、进与退，也为下一阶段的自己，留下些什么。 二、技术（AI驱动）  2025 年，是 AI 加...

🤤🤤🤤现在新人太强了   

说实话，选实习我更看重有没有搭子陪我一起遭罪。听到组里要招新实习生的消息，我直接原地狂喜！天天追着问面试进度，就盼着来个搭子，哪怕一起吐槽也行。听说面试官对候选人挺满意，我都开始幻想我俩 “摸鱼搭子” 的快乐日常了。结果组里正职哥一盆冷水浇下来：“现在是人家愿不愿意来的问题，不是我们发不发 offer。”我瞬间秒懂了——公司风评是真烂。其实我来前也刷到过吐槽，但当时纯属脑子抽风，硬是闯了进来。更扎心的还在后面：“你之前已经有6个人鸽了我们的 offer，就你来了。” 正职哥说完还发出了爽朗的笑声。sos！谁来99我！

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 ...