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...

绷不住了

想投身AI领域，。首选自然是头部大厂，如字节、阿里、腾讯、百度等，它们业务场景多元、算力资源雄厚，适合追求平台与稳定性的技术人才。其次，关注那些弄大模型 的 非头部大厂—— 智谱华章、月之暗面、Minimax、百川智能、阶跃星辰，这些明星创业公司技术前沿、氛围灵活，往往能让你更快接触到核心研发。然后还有那些传统行业的AI部门，比如车企（蔚来、理想）、金融、智能制造等领域，它们正面临深度数字化转型，AI人才需求旺盛且场景落地扎实。最后，像商汤、科大讯飞这类深耕多年的AI企业，技术积累深厚，同样是值得考虑的方向。选对公司，既要看赛道，也要看与自身发展节奏的匹配度。#牛客AI配图神器#