1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...

AI不会觉得不公平。加班最多的那个同事，拿的奖金反而最少。这种事情发生了，AI可以描述现状，但它不会产生委屈的情绪，也不会去想办法改变。推动一个人去争取、去抗议的，是心里那股不甘心。这种动力，AI给不了。

我认为AI短期内难以取代初级岗位。初级工作不仅是执行任务，更是培养经验与理解业务的过程。许多基础岗位涉及沟通、判断与灵活应变，这些能力仍然依赖人类。AI更像工具，能提高效率，但无法完全替代人的成长路径。因此，初级岗位仍然具有存在价值，并将在人与AI协作中持续演变。

今年的暑期实习肯定因为各种因素综合起来影响比之前难了不少，但是还是有不少人拿到了暑期offer，数据方面拿到offer的人也不会再刷牛客所以有失真，但是总体上肯定是没有offer的多、不必过多的焦虑，总结下来就是 还是个人方向和价值的问题、借着这个机会可以重新思考一下是否应该换方向还是在哪方面沉淀？ 继续不焦虑的找实习吧