2026年被称为Agent 元年，LLM 智能体正成为技术新风口，在独立处理复杂的多步骤任务上潜力巨大……最近你大概率已经看到过“智能体（Agent）在 2026 年进入落地期”之类的判断。各种Demo、框架、平台层出不穷，看起来热闹，但对大多数人来说，这更像是一波离自己很远的技术浪潮。尤其是如果你不是做底层模型，也不是创业者，很容易觉得：这东西是不是又一次“概念先行”，跟普通人的关系并不大。但如果你把时间尺度拉长一点，从个人能力积累的角度看，现在这个节点，反而是一个非常值得警惕、也非常值得介入的时间点。目前很多人对智能体的第一反应是：不就是 Prompt + 调用 API + 自动跑流程吗？...

投了90个，回复的全是拒绝，要么已读不回，要么未读，只有一个外包公司让投了简历，没有下文，如果是简历的错，那好歹让我发下简历啊，回都不回到底是哪出问题了，玉玉了😰😭

第一张是26届毕业生，第二张是社招简历

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...