前阵子新认识了一个女孩子，她说翻到我前几年元旦发的那些「年终总结」，感觉我不像一个典型的工科生我笑着说，时间好快，居然又到年底了，而我甚至还没来得及真正坐下来写点什么但其实，2025年早就已经写完了，只是没有落在纸上写2024年总结时的那种恍惚，真实得不可思议。那会儿我还在阎良，再看2025年，像装了我司的宽带一样快。打马而过的一年，仿佛只剩下今天在工位上提交那些务必不能逾期的材料，心里一边默念“今天千万不要加班”，一边希望时间要不慢点也行“你的肉体便是时光，不停流逝的时光”这一年，这句话变得异常具体今年真的很不一样我离开了那个曾经让我满心怨怼的城市，但离开之后，还是会时常想起它；我写出了一本...

俩实习生全是槽点，还一个个摸鱼摸到飞起，现在就问：这俩到底咋选？怎么带？实习生 A：一点就透，还能活跃组内气氛，妥妥的机灵鬼。但架不住爱忘事、左耳进右耳出，交上来的活儿也就刚够及格线，摸鱼倒是比谁都积极。实习生 B：做事踏实能落地，进度反馈贼及时，让人省心不少。可悟性是真差，一点小事得反复确认八百遍，巨费时间，摸鱼这事儿也没少干。一个机灵是机灵，就是太不省心；一个稳当归稳当，带起来太费劲。换你你选哪个？这俩到底该咋带啊？

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 ...