大疆后端笔试2025

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...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

🕐面试时间：60min❓面试问题：自我介绍ai coding 40min，给一个业务需求，做一个词包agent（10w+词进行分类，plus一些业务问题），只需给一个大致的架构方案设计，当大模型给出方案后，面试官会问你觉得这个方案有什么坑点，也会给你一些提示（10w+单词不好全让大模型来做分类，想法是让一个子agent或子模块来做），你也可以让大模型来想解决办法。聊聊对agent的认识有没有用过open clawskills了解吗你刚才想到了用子agent的思路，在什么情况下会这么做，有什么好处skills和子agnet有什么区别，什么场景下选择不同的解决方法（我回答的是看整体的任务复杂度，...