不开玩笑，如果我的毕业论文致谢里能写实话，排在第一位的绝对不是我导，而是我的 GPT-4 / Claude / Gemini。比起那个神龙见首不见尾、每次见面只问“进度怎么样”的碳基导师，这位硅基导师才是我得以苟活到今天的支柱。1. 学术黑话翻译机 “这个模型加了这一层之后，效果变好了，跑得也快。”AI 改的： “通过引入该特征增强模块，模型在保持较低计算复杂度的同时，显著提升了在低信噪比环境下的鲁棒性，验证了该架构的有效性。”它不生产观点，它只是学术垃圾的搬运工和包装师。2. 理论强行解释器 随便设了个参数 ，实验效果竟然最好，但完全不知道为什么。AI： “正则化约束”、“权衡偏差与方差”x...

秋招面了20几场，挂1/2/3面均有，最后结果就是大中小厂无一offer，最后去实习了，大伙找不到的都去投实习吧，多关注刚放出来的岗位，容易捡漏ps：后续又有快手约面，现在字节美团快手一大堆面试，兄弟们快投

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...