读研期间的第一次面试，体验很差，不知道是不是遇到kpi面了，面试官似乎并不感兴趣，问的也不是很深，基本都答上来了也很顺利，但还是第二天就挂了 ps：年底深圳的实习怎么这么难找？难受，有没有深圳的yy们交流一下 一小时10分钟 全程拷打项目中的八股  1、caffeine缓存时主要存储了什么数据 2、如何能实现按分钟和按小时同时限流，key和value分别是什么 3、spring aop如何实现的 4、用caffeine缓存有什么缺点 5、说一下rag流程 6、如何让大模型的响应时间变小的（stream响应），第一个token时间变小，总体时间如何？ 7、redis要保持数据的一致性有什么解决方...

路过看一眼不说话都要被踹一脚吗

真是逆天了，原本一个抖音上一个专门分享那种投稿的博主，发了一个扬州大学本科，拿了四个中大厂前端offer，然后我就提出来了质疑，然后评论区就开始出现了，刚开始那个我还觉得没什么毕竟是重邮，进中大厂还是厉害的，后边来了个傻不拉几的，张口就是一个宿舍六个三个进大厂，还是鹅厂，阿里和字节，是我不了解现在情况了吗？双非本真能进腾讯和阿里？😅😅😅

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 ...