以前准备后端面试的时候，主播最大的痛苦不是资料太少，而是资料太多。我当时最大的困惑是根本不知道这些资料该按什么顺序学、学到什么程度、哪些才是真正面试一定会问的。因为这个问题，我白白浪费了很多时间。举个最直接的例子：我曾经把某林 Coding 上的计算机网络从头到尾看了两遍，甚至还整理过一张很大的思维导图。那时候我以为，既然要面试，就应该尽可能学全、学深。 但后来真的开始面试、经历完秋招，再回头复盘我参加过的 40 多场面试后，我才慢慢发现：计算机网络真正高频、真正决定你能不能开口答出来的，其实就那么一小部分。再往后看，Java 基础、JVM、JUC、MySQL、Redis、操作系统这些后端常见...

大二小登简历求拷打

28届找日常实习相当焦虑，求各路大佬指点

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...