1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

绷不住了

刚看到百度今年暑期实习的数据，5000+Offer，90%AI岗。说实话，第一反应是：这规模，有点狠。简单拆一下这个数字背后的逻辑，你就会明白为什么这可能是27届最好的窗口期。作为一个去年刚经历过校招、现在已经在搬砖的25届小学长，我简单说几个让我觉得“这波27届确实赶上好时候了”的点。1.这个数字，放在之前不敢想我记得投暑期实习的时候，百度的盘子大概是2000-3000的量级，专项也就三个。今年直接干到5000+、七大专项。不是说百度以前不好，而是今年的供给量明显上了一个台阶。放在头部大厂里，能把暑期实习开到5000+的，一只手数得过来。而且90%是AI岗，这意味着名额基本都集中在我这种学计...