一整个面试下来，感觉正浩的技术面真的很扎实！趁热乎整理一波面经（纯干货版），希望能帮到准备面试的学弟学妹们～ 【结尾有血泪总结建议！】🔧 【一面 · 硬核技术面】面试官问的非常细致深入🔥，主要围绕电源知识，我总结出的题目供参考：1为什么相同载波频率下，单相全桥用单极性倍频比双极性调制，变压器发热少？2为什么光靠软件死区不够可靠？（死区门道多啊！）3MOSFET vs IGBT，优缺点怎么选？（器件基础）4LCL滤波器咋设计？（公式忘了，幸好说清了关键参数影响😅）5LC vs LCL滤波器区别？6逆变器输出电流THD从3%降到2%以下，你会改啥？7Boost拓扑和输入输出关系？（基础中的基...

boss上联系了999，0面试，这对吗？

来美团快半年了，真的感觉像在上学，还是带薪的那种。每个新人都有导师带，从业务到技术，手把手教。遇到问题随时问，导师还会主动约一对一，分享经验和方法论。而且学城太实用了，项目文档、技术方案、踩坑经验，想查什么都有，比大学图书馆还全。最舒服的是团队氛围，同事之间很友好，有问题大家都会帮忙，没有那种冷冰冰的感觉。每天上班就像去学校，还能拿工资，这感觉真的不错

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 ...