1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...

双非学历之前校招的时候boss拉满了，都是招呼别人，也很少有人理我。现在有了个title投社招一堆人招呼我，体验到了92投boss的感觉，别人主动给你打招呼。上午大概发了十几个左右的招呼下午就约了两个面试。回头给牛友们发一下社招的面经。

大四学院本 想冲刺一下春招但是学历直接被刷不知道是不是简历问题有没有牛油帮忙锐评一下

当5G基站的信号塔还在城市楼宇间闪烁建设时，边缘AI的算力齿轮已悄然在工厂流水线、智能摄像头甚至智能家居中枢中转动。这场从云端向边缘下沉的技术迁徙，并非简单的算力转移，而是重构了AI应用的底层逻辑——从“数据找算力”到“算力贴场景”的范式革命。 云端AI曾是智能时代的核心引擎：海量数据通过光纤涌入数据中心，在GPU集群的轰鸣中完成训练与推理。但随着物联网设备突破百亿量级，这种“千里传数据”的模式遭遇三重瓶颈：首先是延迟问题，自动驾驶需要毫秒级响应，云端往返却可能耗时数百毫秒；其次是带宽压力，单台4K摄像头每小时产生1.8GB数据，全国千万级摄像头的传输量足以压垮骨干网络；最后是隐私风险，医疗影...