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...

什么年代了，还有地主

1. 介绍一下你做过的最复杂的嵌入式项目，整体架构是怎么设计的？答：以一个基于 STM32F407 + FreeRTOS 的 OTA 远程升级系统为例。整体架构分三层：硬件驱动层：UART（DMA收发）、SPI Flash、I2C EEPROM、GPIOOS 服务层：FreeRTOS 任务调度，包含 WiFi 通信任务、UART 数据处理任务、LED 状态任务、EEPROM 管理任务应用层：OTA 升级协议解析、固件分包接收、Flash 存储管理、bootloader 跳转逻辑关键设计决策：使用 UART + DMA + 空闲中断接收 ESP8266 数据，避免 CPU 轮询，接收完成后通过二...