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...

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下已修改，希望大佬指点一下

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

投递岗位：后端开发/agent各平台沟通情况：boss1500+，猎聘200+，智联200+，网申60+。面试情况：约面30+，简历挂10+，小厂oc4家，中大厂oc2家，周五准备入职，不能等了，边面边投吧。面经不再赘述，就写一些我的面试感受和一些小经验吧：对于小厂，遇到的基本上就一轮面，30min左右面试时间，个别会考察代码，其他的话多结合八股来考察，也不会很深，你只要不紧张，发挥稳定，基本上就oc了。对于中大厂，多轮面试，我分为技术面和HR面来说说吧。技术面的话一般是八股+算法，同时公司规模越大，对项目考察度越深，具体到某个技术在你项目的应用，为什么使用这个技术，某个环节出了问题引发了什么...