动态规划和回溯算法

携程校招内推来啦！欢迎大家用我的码~所有岗位都可以找我内推 内推码：NTAQs4X 官网链接（记得填内推码）：https://app.mokahr.com/recommendation-apply/trip/78280?sharePageId=3866363&recommendCode=NTAQs4X&codeType=1#/jobs  在携程，你将有机会与来自不同背景的顶尖人才一同工作，共同探索科技的无限可能。

能的兄弟，能的，一天200k我肯定干

1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...