字节 财经 一面

先上核心结果，省得大家翻：✅ 面试情况：投递数十家，仅8家给到面试机会✅ Offer清单：腾讯（转正）、字节跳动、小红书、蔚来、大疆、影石、小米❌ 泡池/排序挂：米哈游、京东❌ 简历挂：美团、快手、拼多多等N家（懂的都懂，秋招简历关是真地狱）先聊聊两个印象最深的“泡池挂”经历吧：米哈游三面基本全程聊天模式，面试官还给了超久的反问时间，当时聊得特别舒服，以为稳了，结果泡了三周池子后还是挂了，大概率是学历卡壳了，有点可惜但也能接受；京东二面被追问了大量C++问题，这不是我的主力语言，很多问题没答好，之后泡了一周池子也挂了，算是意料之中的遗憾。决赛圈&薪资：腾讯、字节、小红书三选一三家给的都...

作为一个广东人，上大学四年加上班半年，对深圳完全没有归属感，怎么会有一个城市，走在人行道上还会担心被车撞的，城中村更是极品，一边是奢华大商场，另外一边是老的要死的自建房，村里就一条单行道还TM搞一个收费亭，半夜一两点还有没素质的司机鸣笛，心里一万个草泥马，拿个快递要钻到一条小巷子里面，一股说不出来的潮湿味道，一大片都是建筑工地和人行道连着，时不时还会上演一些打架争吵的戏码

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 ...

可惜太晚了，已经被马力夺舍了，这个拒的是二面，希望以后不会后悔，有一说一，腾讯的人文关怀确实强，那个面试后问卷是最舒服的