这次出的题明显比一面小得多，而面试官给的反馈、正向肯定明显比一面少得多，因此心态也要跟着变化。加粗是没提前准备好的：二面一般是领导面，所以开局反问职位（团队需求方，用人经理）自我介绍，说一面说过的优势介绍实习公司业务、个人工作介绍实习技术栈（Monorepo+React+MobX）MobX 如何在 React 工作流里工作（忘了 Observable 这个东西了，说的 Effect 可以监听 MobX 状态）MobX 如何融入本人工作流（说了从呼出图片编辑器到用户修改再到同步 CRDT 状态的链路、本人遇到的文本框组件不更新的问题，说得没太方便面试官理解，就多追问了一些关于流程的具体问题）Re...

二本的结局就是铁人三项嘛

昨天晚上妈妈突然告诉我，一个在科大毕业每几年的亲戚去世了，才三十不到。突然间我躺在床上，感觉自己对未来的焦虑、烦恼，似乎在生命之重面前成了一片微不足道的叶。昨天我的女朋友送了我一个噜噜的玩偶，我把它放在床上陪着我睡觉。我突然想到，如果有一天我生了一场大病，躺在床上，无法健身，无法学习，无法和我爱的人一起散步，吃饭，做最平常的事情，这有多么可怕啊？我们现在活着，爱着，在努力地往前走，这就是最伟大的财富了。

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...