1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

一开始还有一些小厂中厂找我，现在啥都没有了

室友今天问我：你怎么投简历投这么快的？ 她看我十分钟投了三家，以为我简历写的很短（不是！） 解释了一下，就是用了网申助手，把重复填表这部分省掉了。 简单说一下是什么： 牛客出的Chrome插件，把基本信息录进去一次（姓名学校专业项目经历这些），之后打开任何网申页面，点一下自动填，不用每次重新输。 我投的这几家都能用：字节、腾讯、美团、阿里、网易、快手，大厂没遇到问题。 【我的用法】 早上统一开几个网申tab，插件自动填好，我逐个检查开放题（自我介绍/为什么选我们要自己写），确认没问题提交。 以前投一家要15分钟，现在五家加起来20分钟，剩下时间拿去背面试题。 【缺点也说一下】 个别小厂识别失败...