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...

2-3k的都找不到，求大佬拷打，给点学习或者找工作的意见，谢谢了。

二面和一面相比完全不是一个量级，一面还算是考察基础知识，二面更像是在和你讨论技术方案，每个问题都有大量追问，而且他会故意提出反驳意见看你怎么应对。项目聊了将近四十分钟，他把我项目里的每个技术决策都问了一遍为什么，有几次我答不上来被他直接指出设计上的问题。1. 讲一下 FreeRTOS 的任务状态机，每种状态之间的转换条件是什么，阻塞状态和挂起状态有什么本质区别？答：FreeRTOS 的任务有五种状态：运行、就绪、阻塞、挂起、删除。运行状态是任务正在占用 CPU 执行，单核系统里同一时刻只有一个任务处于运行状态。就绪状态是任务具备运行条件，等待调度器分配 CPU。所有就绪任务按优先级排在就绪列表...