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...

难道前端真的已经不行了？

Time line2.2 约一面2.4 一面2.5 约二面＋二面2.8 hr面后秒云证2.12 邮箱oc

理由1：与父母沟通型话术1：您好，收到贵公司的offer非常荣幸，贵公司的发展前景和公司文化我都非常看好，与我的所学专业也很契合。目前我还没有和家里沟通，等我和家里沟通之后第一时间给您答复（这个时候一般可以拖2-5天，只要单位不催你，你就可以装死）。话术2：您好，这几天和家里沟通了贵单位的基本情况，家里各方面都挺满意的，但由于通勤较远（可替换其他原因）家里有点担心，想问问您公司有没有市内通勤车或者人才公寓呢（这里不管他回答什么，你都可以往下接）？我再和家里商量一下，三天内给您答复（这次如果催得紧最好说个时间，让公司感受到你的诚意）。理由2：系统故障型话术1：您好，我们学校的签约系统是网签。由于...