📍面试公司：元启视界（杭州）📖面试问题：1.自我介绍2.I/O密集型业务线程池你是怎么设置的？3.线程池是怎么保证核心线程不会被回收的？4.你知道动态线程池吗？（不知道QAQ，后续查了一下美团有Dynamic-TP的轻量级解决方案）5.你项目里的Dify工作流是怎么编排的？6.你觉得是什么方式使得他的效果提升了？8.GraphRAG的方案是你自己考虑的吗？其他的忘记了，或者就这些好像。目前录制文件的权限还没拿到。等节后的二面消息ing...

小米offer了，北京大白菜，我服啦😂😂hr说我是排序靠前的

面试战绩： 字节 二面挂美团 一面挂携程 池子已一个月 大概率泡死wps 二面挂深信服 预二面其实还有几家给了面试机会但是眼高手低推掉了😭真的很后悔其余的全笔试挂了我笔试真真真真真的好烂啊，平常没积累实习结束的晚投递得晚没太多时间准备😭，导致根本没有几次面试机会，很多实际场景和项目拷打接的也不是很好只能看后续如果有面试机会再加把劲，多练算法准备春招不要重蹈覆辙了

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 ...