先简单做个自我介绍。你现在还在实习吗？说一下你实习时候的工作。这几项工作都是你独立做的吗？你主要负责哪一个？RAG和传统搜索有什么区别？为什么不直接用关键词检索？举个例子，智能体和大模型怎么交互、协同？工作流程是什么？检索这块你做过效果上的优化吗？有具体的优化案例吗？从效果不好到变好的过程。怎么保证积分可靠性，防止多扣/多增？分布式锁原理大概是什么？SETNX 的功能是什么？加锁后进程异常退出，锁泄露怎么办？介绍一下 Spring AI 这个框架。是用 workflow 方式搭建的 agent 吗？用 Spring AI 写一个 agent 的过程大概是什么样的？整个过程完全是大模型自己决策吗...

恐怖如斯

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

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...