入职第一天，见面会，领导让大家自我介绍，应该怎么说？特别是大公司，每年招录很多大学生，短短一两分钟的介绍，领导凭什么能记住你？
今天，告诉大家一个牛13的自我介绍模板，保准让你脱颖而出。
问好+介绍+感谢+表态。
一，问好：各位领导，各位老师，各位同事，大家上午好！
二，介绍：我叫什么名字，家是哪里，或者毕业于哪个学校。能不能进入领导的视线，全在这个环节的巧妙设计。
有个小技巧，尽量加入一点幽默元素。比如：我叫章梦凡，立早章，做梦下凡。据妈妈讲，有一天她梦到仙女下凡，然后我就横空出世了！
大家听了是不是印象特深刻？
还可以拿籍贯做文章。任何地方都有名人，随便拎出一个耳熟能详的就行，比如：我是神探狄仁杰的老乡，来自山西太原。要是运气好，保不齐哪个副总跟你就是老乡呢！
三，感谢：感谢公司给我这个机会，让我加入这个温暖的大家庭。
四，表态：在以后的工作中，我一定尊重领导，团结同事，锤炼自己，快速适应工作环境，努力成为一个合格的某某人，比如，福耀人，中铁人。
这么说，领导肯定能记住你。你，学会了吗？
【PaperReading每日打卡】
[论文] MaskGIT: Masked Generative Image Transformer
[机构] Google Research
[简介] MaskGIT: 掩码生成式图像Transformer。生成式Transformer在计算机视觉界经历了快速的流行增长，用于合成高保真高分辨率图像。然而，目前最好的生成式Transformer模型仍然将图像天真地视为token序列，并按照光栅扫描顺序(即逐行)解码图像，这种策略既不理想也不高效。本文提出一种使用双向Transformer解码器的新图像合成范式，即MaskGIT。训练期间，MaskGIT通过关注各个方向的token，学习预测随机掩码token。推理时，同时生成一个图像的所有token，根据之前的生成情况反复完善图像。通过对掩码视觉token建模的训练，MaskGIT学会了在恒定迭代次数内用迭代解码过程来生成样本。实验表明，MaskGIT在ImageNet数据集上的表现明显优于最先进的Transformer模型，并将自回归解码速度提高了64倍。MaskGIT可以很容易地扩展到各种图像编辑任务，如补全、外推和图像处理。
AE-插件合集介绍！完美解决模板丢失插件的难题！
后期大叔
AE-插件合集介绍！完美解决模板丢失插件的难题！
00:49
码住！自我介绍中文版合集[给力]
如何让自己在复试过程中脱颖而出？这几篇复试模板供你参考↓ ↓（考研点点君）
#考研调剂系统4月6日开通#
