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...

求实习啊

求各位路过的大佬锐评！      

依旧不开摄像头1.自我介绍2.简历开始拷打3.volatile保证内存可见性和指令重排序原理4.内存泄露有没有遇到过5.用了什么工具出来6.线程池核心参数，有没有调过7.工厂模式和策略模式，为什么用工厂模式8.接口响应速度怎么测出来的9.单元测试10.spring和静态工厂11.sentinel用在哪里12.怎么理解雪崩怎么处理13.最大的困难14.java后端会被AI替代吗15.实习拷打反问最长时间的一次40多分种，听说大厂面试都是1个小时起步，感觉人麻了