大厂最后基本都会问

最近摸鱼的时候和几个同行聊起现在的行情，发现大家都在不同程度地焦虑。天天看着各种新模型发布，感觉再写纯业务CRUD马上就要被淘汰了。但真想学AI，网上一搜全是一堆看不懂的数学公式和底层论文，看得人头皮发麻。作为一个在业务开发和数据打交道这块摸爬滚打过的人，我总结了几个咱们普通程序员（特别是主攻Java/Python、搞过后端或系统平台的兄弟）现在入局AI比较现实的方向，发出来跟佬们探讨一下，轻喷。1. 坚决别去卷的方向：底层大模型/纯算法说白了，这就不是普通人能玩的。现在去搞什么基座模型训练，那是神仙打架，大厂和顶尖实验室拿着几万张算力卡在烧钱。咱们一没算力二没那种学术背景，进去连门槛都摸不到...

目前大三，投了百家公司，约面很少。请问是简历哪里有问题吗

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...