日常实习选择

滴滴后端一二面面经一面40min纯技术面，面试官很友好，时不时会对你微笑，然后点头表示肯定，答对了还会说说得对。挑选一个你最想介绍的项目介绍一下，没有深挖。八股盛宴：C++、C、数据结构、数据库。总结就是不是简单的问你什么是虚函数，然后你说个虚指针，虚函数表就完事了。还会问你空指针可以调用类的方法吗？调用虚函数或者非静态成员变量的非虚函数为什么会崩溃？在什么阶段？大概就是这个意思，所以需要对每个方向的知识点有很深的理解，或者说实际开发中切实的应用过才能答得出来。二面25min个人感觉是目前为止碰到的最让人不解的面试官，全程皱着眉头，问的问题我没理解清楚也不会过多解释，直接默认我不会，然后说那我...

这几天有点焦虑  感觉一开始准备实习发现好多都不会 看小林八股发现自己数据结构没咋看 那一部分完全看不懂  见都没见过  算法也没刷过好像我大学学习  一直在看一堆中间件  和找一堆bug的路上  搞半天就会敲敲后端代码 用中间件都要捣鼓半天  ai找找使用方法面经也是有的面经还能看懂  有的面经见都没见过大一下刚开学就完弄苍穹外卖就怠惰了一年看着网上一堆27届都润了心里有点不是滋味  后悔当初不如再早一点逃课去找个小破厂实习  而不是在宿舍打游戏了附上:这几天回复我最多的一个  有点感动

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...