许愿蚂蚁3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...

求大佬们拷打简历，投了好多简历了，基本上都没面

投了一个月了没约到面试

之前虽然也做人力实习，但招聘居多，感觉AI替代不了的是创意、决策。现在做组织发展（OD）了，有了更深的体会：AI替代不了让一个组织真正有活力的、那些关于“人”的、无形的东西。1.AI替不了“意义感”的构建：AI能生成鼓舞人心的口号，但无法让员工真心相信“我们为什么而奋斗”。这需要领导者的真诚、故事的共鸣、价值观的践行。 2.AI替不了“信任”的累积：团队协作的高效，底层是信任。信任来自一起扛过事、来自关键时刻的担当、来自日常的靠谱。这是时间、事件和人性交织的结果，AI无法模拟。 3.AI替不了“氛围”的营造：那种心理安全、敢于试错、互相激发的团队氛围，是管理者和成员共同“熏”出来的。AI可以监...