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...

是简历有问题吗

大四还有课，怎么办 大四下想去实习，能否申请线上课 有办法吗 请指导

1. 自我介绍2. 项目介绍3. 多 Agent 项目中遇到了哪些难点，怎么解决的？4. RAG 项目中的创新点5. 你说一直对 AI 感兴趣，经常追踪 AI 发展的前沿动态，最近了解到哪些 AI 相关的动态？最近在学什么 AI 相关的知识？6. 手撕：力扣 395：至少有 K 个重复字符的最长子串（只剩 10 分钟了，没写出来，把函数框架写好了，说了说大致思路）这面试官看起来不是个省油的灯，迟到了两分钟先不说，回答的时候一会站起来活动活动，那边还有对话杂音（估计是和员工说话），整个过程他也皮笑肉不笑的，感觉要寄