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...

二本的结局就是铁人三项嘛

何意味😄

📍面试公司：小红书🕐面试时间：2026/04/08 19:00💻面试岗位：NLP/多模态/大模型 实习生❓面试问题：自我介绍；项目经历、实习经历、专业技能除了简历上的，还需要向面试官展示哪些？；学习能力、探索能力、求知的欲望等MCP, SKILL的区别，SKILL为什么能省Token？如何看待Agent，怎么面向业务设计、评估Agent？项目拷打，MMKG-RAG，如何分块，实体和关系的抽取与合并coding，最小方差的子串反问：业务方向：社区生态治理，图文视频的审核和安全评估开发与运营的价值观对齐：基于网信办、用户、公众、运营等各方群体的最大公约数审核标准的自适应与动态变更🙌面试感想...