题解 | #增加派对名单（二）#

最近好多学弟学妹找我聊春招，发现一个挺有意思的现象：今年大家手里但凡握着国央企offer的，基本都打算接了。哪怕是手里有大厂意向的，也开始纠结“要不要去拼几年”。有个学弟（就叫小T吧）去年进的翼支付，厦大软工硕士，当时手里也有几个选择：老家省电信、直招军官、还有高校的联培博士。最后选了翼支付，去上海做数据建模。前两天跟他吃饭，聊了大半天，感觉他的经历挺有代表性，整理出来给大家参考。 一、为什么选翼支付？他说：想“既要又要”小T原话是：“既想要央企的稳定和保障，又不想放弃前沿技术的成长空间。”很多人觉得国央企就是“养老院”，他入职一年半后发现完全不是这回事。首先是稳定，但不是死工资。福利是真的顶...

听的一个认识的小主播说的，在中大厂工作，身边hr抱怨投的简历里几乎所有都是java，离谱到100份只有3-4是其他的，而且最逆天的是不管招什么岗都差不多。招测开，移动端很有难度，因为java实在太多了。。。然后部门leader还补刀了一句，你们移动端简历的都是后端不要的。感觉分出一点时间多看看一些小主播的真实工作分享，或者向校友多问问真的挺有必要，不能当鸵鸟，我以前完全不知道已经离谱成这样了。现在我感觉真的要认真考虑转移动端了。。。好歹有java知识，也不算从零起步吧。我是28届，还有大半年能完全投入。。。

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...