我们公司隔段时间就会放出1-2个实习生需求，面试的学生多了，我慢慢发现：那些能快速拿到offer的学生，和那些总在面试后就没下文的同学，差别往往不在能力本身，而在于怎么突出自己的亮点。其实，每家公司招实习生，基本都需要快速到岗，也就是说，一旦一家公司放出实习生的需求，就代表这个需求是真实的，一旦面试通过，大概率就需要马上入职。而找工作，无非就是突出自己的亮点，从而吸引HR看上我们。那么，怎么突出自己的亮点？很多学生找工作时，总觉得自己没啥经历，没啥可写没啥可说。但其实，亮点是可以“挖”出来的。我给大家3个建议：第一、简历量化成果。哪怕你做的事很小，也尽量用数字说清楚。比如原来写“协助整理数据”...

经过昨天一整天的思想斗争，还是决定拒了字节，去银行了。时代洪流面前个人努力犹如螳臂当车😬这个时代最大的红利就是饿不死人了。至于是不是被牺牲的一代，由时间去评判吧，吃好喝好，健康足矣。江湖再见，祝大家天天开心！

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 ...