1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

但这里有一个致命的认知误区：“包装”不等于“造假”。 很多同学把别人的开源项目或者师兄师姐的产出直接扒过来写在自己简历上，这叫造假；而把你真实做过的、哪怕很基础的活儿，提炼出技术深度和业务价值，这才叫包装。很多同学实习了几个月，简历上老老实实写：“负责日常 Bug 修复”、“参与后端接口开发”、“配合前端联调”。这种描述太“真”了，真到面试官一眼看过去就觉得你是个边缘无情的 CRUD 机器，毫无亮点，直接扔进简历池底。高级的包装，是在真实的业务场景里，挖掘出你解决复杂问题的能力。打个比方，假设你实习时参与开发了一个实验室检验流程管理模块（类似 trp 这种系统），主要涉及样本、订单和设备的子模...