美团二面

1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

大四学院本 想冲刺一下春招但是学历直接被刷不知道是不是简历问题有没有牛油帮忙锐评一下

如题，已经接受了蚂蚁国际-智能体与大模型应用工程的意向，然后直接把阿里云(一面)，网易(二面)，美团(二面)，腾讯(一面)的流程给终止了，因为想暂时躺平不想面了好累，但是没想到蚂蚁的暑期还要体检，体检完应该没什么问题就可以了吧。顺便问问，有没有人了解蚂蚁国际world first这个部门？发发面经攒人品一面 3.23自我介绍项目拿一个AI做code review，你认为它最擅长和最不擅长的是哪方面介绍下threadLocal的工作原理threadLoacl的内存泄露，什么场景下会产生内存泄漏解释一下Redis中的缓存穿透，缓存击穿，缓存雪崩怎么保证Redis缓存和DB数据一致的解释一下CAS的...