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...

真投了你又不给ps:楼主其实比起去大厂当螺丝钉 更想去一些初创公司或外企。楼主是一年不到的社招。

面试前夜，你是否也曾辗转反侧，脑海中反复演练着各种可能的场景？明明简历已经反复修改，专业技能也扎实掌握，但一想到第二天要面对素未谋面的面试官，心里还是会七上八下。最让人焦虑的，莫过于不知道面试官会问什么问题——万一问到自己没有准备过的怎么办？万一紧张到大脑一片空白怎么办？更糟的是，明明准备充分，却在某个关键问题上失言，错失了心仪的offer。其实，这些担忧并非你独有。根据调查，超过80%的求职者都表示，"不知道面试官会问什么"是他们最大的心理压力来源。那么，面试官到底常问哪些问题？又该如何从容应对，在关键时刻给出惊艳的回答呢？今天，我们就来全面盘点面试中最常遇到的问题，并提...