【字节跳动校招】海外内容运营（泰语）-国际化产品

又又又是一年，不知道从哪年开始，时间好像过的一年比一年快，今年也是完整的在国企待了一年，把时针拨回到24年的7月。离职前的纠结意外通过的面试24年那年是楼主毕业第4年，刚毕业的时候，计划着先把这家公司当跳板，结果干着干着发现行情越来越差，顶着个双非学院本的学历投大厂根本没人理......加上leader对我也不薄，就一直在老东家写后端，有一些公司层面恶心的事忍就忍了。印象中那年刚过完年回到公司，从OA上看到绩效拿了s，也就是4个月的年终，当时心里还在美滋滋，盘算着过了个肥年，结果一个all handsmetting把楼主直接干破防了，被通知为了冲刺港股上市，所有人年终砍半 + 裁员....当时...

双飞的鼠鼠在秋招收到为数不多的面试机会，也能让我记错时间，把11月三号记成周三面试。今天晚上刚做完数字马力的笔试，发给我面试邀请，我还以为是调整时间，没想到是我鸽了人家面试，人家又给我发了一次机会，家人们我还有希望吗？本来就不行，还鸽了人家感觉机会更渺茫了，我感觉秋招offer不发给我是应该的。

作为带过好几个实习生的老mentor，我见过有同学带着一腔热血来实习，最后却只带走一份单薄的履历。实习，是你从学校到职场最关键的过渡期，它的价值远不止一份实习证明。今天，我不讲大道理，就从我作为Mentor的视角，给你们几条能立刻用上的建议。记住，你的目标不是当个好学生，而是成为一个值得信赖的职场新人。一、 心态转变：从被动答题到主动解题这是我最想强调的一点。学生思维是：等待老师布置明确的作业，然后完成它。职场思维是：主动发现模糊的问题，然后解决它。反面事例：接到任务后，埋头就做，遇到困难不吭声，直到截止日期才说“这个我不会”。Mentor期待的是啥呢？首先是确认目标：接到任务后，先用自己的话复述一遍：“我理解这个任务是要达成XX效果，对吗？” 确保方向没错。然后是主动思考：不要只带问题来，要带“选择题”。问“这个数据我不会查，我尝试了A和B方法都失败了，您看是方法C更合适，还是我有其他没考虑到的渠道？” 这证明了你的思考和努力。最后是闭环思维：任务完成后，主动告知结果：“XX任务已完成，数据/文件已发您邮箱，并同步在团队网盘了。其中有个小发现是……，供您参考。” 让一切有始有终。二、 沟通方式：实习生的很多错误，都源于“想当然”和“不敢问”。反面教材：在做一个PPT时，因为不确定公司模板，就套用了自己觉得好看的模板，结果不能用。那么怎么确认，怎么提问呢？第一个，不懂就问，但别重复问：第一次问，是学习；同样的问题问第三次，就是不用心。准备一个笔记本，把关键信息、操作流程、注意事项都记下来。第二个，及时汇报，别等追问：特别是遇到卡壳或可能延期时，一定要提前说。Mentor不怕你慢，就怕你失联。没事儿更新一下进度：目前已完成80%，但在XX环节遇到点阻力，正在想办法沟通等回复，预计今天下班前确定结果，到时候给您，这样说能让人极度安心。第三个，珍惜1on1机会：和Mentor的定期沟通，不是你被动接受批评，而是你主动获取信息和反馈的黄金时间。提前准备好：a) 本周工作进展；b) 遇到的困惑/挑战；c) 希望学习的新技能；d) 对团队业务的任何好奇。三、 工作习惯： 专业性体现在细节里职业素养不是空话，它藏在每一个你容易忽略的细节中。1. 邮件/沟通软件礼仪：邮件：标题清晰（如【实习生XX-XX项目周报】），正文称呼得体，结尾有落款。别用“在吗？”开头。工作群：别发表情包刷屏，沟通事情简明扼要。收到任务或通知，回复“收到，谢谢”，这是基本的确认和尊重。2. 文件管理与命名：我会观察实习生的桌面，看他们的使用习惯，乱糟糟的桌面说明他没条理。文件命名要使用统一的命名规则：日期_项目名_内容_版本_姓名。例如：20231027_秋招海报_初版_张三。这能为整个团队节省大量沟通成本。3. 对待杂活的态度：复印、整理数据、会议纪要……这些dirty work是不可避免的。但优秀的人是能从中找到价值的:整理数据时，可以留意数据之间的关联或异常，做会议纪要时，可以梳理出会议的决策和待办事项。四、 终极目标：带走三样东西1. 一段能讲出STAR法则的实战经历：这直接决定了你未来求职简历的厚度。2. 一位可以为你未来背书的Mentor/同事：好好表现，离职时保持联系，他们可能成为你未来求职的推荐人和内推渠道。3. 对行业和岗位的真实认知：通过这次实习，你想清楚自己是更热爱这个行业，还是想赶紧跑路？这个答案，价值千金。最后，作为你们的Mentor，我想说：大胆去试，勇敢去问，别怕犯错。实习期是你犯错成本最低的时候。展现出你的靠谱、主动和思考，我们做Mentor的，会非常乐意把更核心的任务交给你，因为带你，也是在为团队培养未来的战友。希望这些建议能帮你少走弯路，打一场漂亮的实习战！

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...