一面：1h （当晚约二面）二面：1h 还是聊实习，然后挂了……一面 （当晚过）算法题：扁平数组化成树（Easy）场景题： 用户在弱网环境下想上传一个G的视频，如何设计这个上传器用js设计一个线程并发池，讲一下思路100个进程，5个并发数并发多线程的工作基础八股题：http3和quic了解不简述一下大模型调用数据库工具的全链路如何用react中的hook封装一个web socket的链接，并在多个页面间进行复用promise和async之间的区别Agent相关：MCP的好处，以及它未来是否还会存在？cursor内置ide从设计稿直接转化为代码，如果要让产品经理直接生成生产可用的代码。中间会遇到什...

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

为啥约不到面试啊😭😭😭是我的简历问题，还是打招呼有问题大佬们，能帮忙看看简历吗？

1. 谈谈深度学习中的归一化问题深度学习中的归一化，核心目的是让不同层、不同特征的数值分布更稳定，从而加速训练并提高收敛稳定性。常见归一化包括输入归一化（如像素缩放到[0,1]）、BatchNorm、LayerNorm、GroupNorm。BatchNorm在mini-batch维度统计均值方差，适合CNN场景；LayerNorm在特征维度统计，常用于NLP和Transformer。归一化可以缓解梯度消失/爆炸、允许更大学习率、降低参数初始化敏感性。 import torch.nn as nn # CNN里常见 BatchNorm2d cnn_block = nn.Sequential( nn...