第一次前端面试

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...

有没有大佬帮忙看看，这个简历能找到工作吗（没有实习经历），进大厂够不，每天都刷程序员被ai替代，焦虑的不行了...

这种要去吗？

现在想真正入门AI，第一步已经不再是找教程，而是先买一个账号。很多人一开始用免费工具，觉得也能用，但很快就会发现限制很多：模型能力受限、响应不稳定、上下文不够、功能被阉割。这种环境下，很难形成持续学习和深入探索。