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...

现在AI这么恐怖，毕业26，能干到30吗？暑期实习也找不到，感觉快进斩杀线了啊

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

算法：最长递增子序列（没写出来），换了二叉树层序遍历进程和线程的区别讲一下堆和栈redis的内存淘汰redis的过期删除策略mysql的深分页问题怎么解决，手写SQL第一个项目怎么设计的，想法从哪里来的用户口语化的输入如果在Rag里面检索不到怎么办点赞功能怎么设计的set出现大Key怎么进行解决平时使用哪些ai工具忘记录音了，只记得这些了。目前是约了二面#牛客AI配图神器#