#满帮集团#内推

那是一个普通的周五下午。 导师把我叫到工位旁，打开一个代码仓库，说："这个模块最近业务增长比较快，之前一直没人系统性地梳理过，你来接手吧。" 我点了点头，像是答应了一件还没完全理解的事情。 那个模块并不简单。打开代码的第一天，我花了整个上午才理清调用链，下午又发现好几处逻辑分支，每一处都像一个悬念。注释零散，文档残缺，很多设计决策只能靠上下文去猜。我一度以为自己接手了一个"烂摊子"，但慢慢地，我开始觉得，这不是烂摊子，这是一段没写完的故事。 第一周，我几乎什么都没改，只是读。把整个调用链画出来，把每一个可能的异常路径标出来，把那些"看起来没问题...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

29届java实习，简历包装了一下苍穹外卖和黑马点评，请问有什么项目推荐吗？有必要在简历上补个蓝桥杯，马蹄杯之类的算法竞赛吗？接下来还会继续学习🥹想在暑假去进行第一份实习 有机会吗？求大佬拷打😭😭

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...