刚看到百度今年暑期实习的数据，5000+Offer，90%AI岗。说实话，第一反应是：这规模，有点狠。简单拆一下这个数字背后的逻辑，你就会明白为什么这可能是27届最好的窗口期。作为一个去年刚经历过校招、现在已经在搬砖的25届小学长，我简单说几个让我觉得“这波27届确实赶上好时候了”的点。1.这个数字，放在之前不敢想我记得投暑期实习的时候，百度的盘子大概是2000-3000的量级，专项也就三个。今年直接干到5000+、七大专项。不是说百度以前不好，而是今年的供给量明显上了一个台阶。放在头部大厂里，能把暑期实习开到5000+的，一只手数得过来。而且90%是AI岗，这意味着名额基本都集中在我这种学计...

你在leetcode上练的都是死代码能力🤣

吓哭了，明天被面试塞满了

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...