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...

28届985本，科班，一直走的是本科就业的路子，学习Go后端，曾经还因为周围人卷保研而自己早已踏上了“正确的道路”而沾沾自喜。现在大二下，工程和算法能力还可以，但保研基本无望，也不想考研。愈发觉得自己所谓“正确的道路”可能并不是多么明智，AI以惊人的速度进化，一年之后或者两年之后，后端还存在吗？大部分的工作是否都和AI算法之类的强相关呢，但这又是一个需要研究生以上学历、需要卷论文的方向，本科就业者基本碰不到。自己的本科学历会不会在后端工作一两年就被“降本增效”了，或者是到了大三大四根本找不到对口的工作了？抱歉，可能我有点想到哪说到哪了，我不知道自己是不是在杞人忧天，现在有点迷茫，希望各位已经进入业界的大佬能够给我指条明路，谢谢！

😭这是给挂了吗，都一周了还显示这个。。。。

记录一次非常糟糕的面试体验上来还说什么部门现在很缺人，回头想想真是非常的逆天。提前开始 + 早退 + 中途打电话 + 网络信号不好整体面试：不断对我做项目的动机进行打压，说我写项目的动机逻辑有问题。给他解释他说项目不是我自己做的（？？？？）问的问题非常的不专业。甚至问一些什么具体怎么抓包的？我想给他展示，他还不乐意看，完全不明所以。反问的时候问到实习生的主要工作内容，回答的全是一些空话（什么给部门赋能乱起八糟的，一点具体的都没有）。如果不想招人，请不要浪费大家的时间，谢谢！！！！