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...

我投的后台开发。。。这还要面吗

在2025年秋招，我是从八月份开始陆续投递的，是的，没听错，26届的秋招不在是金九银十了，而是金八银九铜十铁十一了。我秋招一共投递300+，美团、京东、滴滴、快手等中大厂，九月份和十月份一直在面试，中间有一个非互联网厂过了，一直催我签三方，好在我拖了两周，最终在十月底拿了offer！