硅基流动实习体验咋样？能学到东西吗？岗位是推理引擎

1.项目拷打（MongoDB、数据库链接方式、流式输出、NestJS的DTO、装饰器）2.useCallback和useMemo的区别

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...

1. BERT 模型的结构答：BERT 本质上是一个 Encoder-only 的 Transformer。输入由 Token Embedding、Segment Embedding、Position Embedding 三部分相加得到，然后经过多层 Transformer Encoder。以 BERT-Base 为例，模型参数通常是：层数 (L=12)，隐藏维度 (H=768)，注意力头数 (A=12)，前馈层维度 (4H=3072)。BERT-Large 则是 (L=24, H=1024, A=16)。每层 Encoder 的结构是：Multi-Head Self-Attention -&...

去年出国读书，今年十一月份正式从毕业，在校期间就开始投英国的工作，找到了一个实习和一个伦敦的中型科技公司以及曼城埃森哲的Offer，但后面因为和家里的沟通，以及英国PSW签证问题就没有推进了。当时想的是，说这么难找工作的英国我都这么顺利找到了，一时觉得未来虽难，还是充满了希望。回来之后就随便投了一些公司，但逐渐发现其实没有那么简单，一开始没有发觉，后面投的简历多了就逐渐感觉到内卷。之前在英国投的公司，更多看你个人的综合素质，是一个比较长的流程，从你的基础，潜力和对这份工作的热情或者动机，而国内好像总是试图从某一个方面来对你进行打压或者筛选，你要是有实习就从你的学历挑刺，你要是有学历就从你简历空...