PDD校招内推看过来

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...

恐怖如斯

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

一、static_cast 最常用的普通类型转换。用于编译时进行类型转换，不进行运行时类型检查。可以进行向上转换（隐式，不必使用），也可以保证合法向下转换（但不一定安全，只是让编译器认为安全，安全由程序员来保证），但不允许无关转换。二、 dynamic_cast 运行时类型检查。主要用于向下转换，将基类指针/引用安全地转换为派生类指针/引用。在转换失败时返回 nullptr（指针）或抛出 std::bad_cast异常（引用）。成功条件：基类必须有虚函数，要不然不是多态；要转换的目标类型必须是对象的实际类型（或者是派生类型）。三、const_cast 可以消除 const 或 volatile...