1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

其实还挺不容易的，也算是转码之路的里程碑了

春招求救😭，一个面试都没接到

🕐面试时间：60min💻面试岗位：后端开发❓面试问题：自我介绍你对ai怎么看你说的都是程序员用的agent，普通人用的ai有了解过吗拷打项目，问你表有哪些字段，一点点理解你是怎么设计的（评论到表结构是不是有点乱啊）redisson的底层原理拷打八股，map的底层原理（说了底层时一个数组，key冲突了就成链表，当数组长度到达64，并且桶数据达到8个，会变成红黑树），追问还有要补充的吗（？？还有吗？？）讲一下jvm的内存结构（主要讲了元空间，栈空间，堆内存）cms和g1的区别他是并发安全的吗，（此时要用到concurrentHashMap，将数组分段，每次只锁一个段，保证性能和安全）介绍一下单...