看到一个来自35岁80后硬件老玩家的回复。经常会在往上看到有人探讨，嵌入式有35岁危机吗？我今年正好35，曾经在一线干了单片机开发10年。前几年出来单干了，不过现在让我出去找工作，一点压力也没有。我身边有一些96后，00后的小年轻，他们普遍的想法都是：1.想加班？不可能！2.只能单休? 那我还是不干了！3.工资低？凭什么给你卖命！通过无际单片机的项目找到工作的那些小年轻，很多都是这想法。我觉得他们不是去工作，而是去整顿职场。对比我们那个年纪，伤害性不大，污辱性极强，我们这代80后挣的全TM是窝囊费。我考你一个问题：一个企业主，喜欢招一个随时可能“仗剑走天涯”的浪子，还是一个听话的小奶狗？正常的...

求各位路过的大佬锐评！      

如题，本人双非学院本，大一大二的时候主要在打ACM。但是怕只打ACM找不到工作，大二也开始学开发。大三上边实习还边打比赛，但是圆梦ACM亚洲区域赛金牌了。然后我信息差比较封闭，加上前面打比赛也没什么时间。所以项目就是一个练手项目，想写技术亮点都不知道写啥。后面也没时间做一个新项目。实习也是初创公司。感觉项目经历和实习经历都拉完了。然后也是寒假才了解到暑期实习，然后花了一两周从零开始背八股，刷面经。然后面了腾讯WXG还是有些八股遗漏了，还有被吐槽项目没深度，一面直接挂了。现在感觉好焦虑，感觉ACM金牌好像作用并不大。不知道还能不能找大厂暑期，不行的话要先找中小厂沉淀吗，或者加急一个星期赶出个比较好的Agent项目然后继续投，还是说不如直接去信奥赛教培行业了。考研走算法岗的路线就算了，偏科太严重了也不擅长考试。好迷茫啊，感觉卷不动了。

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...