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...

求内推

随时随地都有可能error

自我介绍实习（20min）负责哪块工作怎么用的DDD（5min）为什么要用DDD实体、值对象、聚合根是怎么考虑的后续的扩展怎么评判做的工作和优化是有效的？基础mysql索引需要建索引的场景where 的地方都要建吗kafka、pulsar区别如何保证消息不丢为什么用 pulsar消息堆积有处理过吗kafka 什么时候会触发 rebalanceAIAI 开发工具开发工具的区别AI 在工作中的占比为什么是这样的占比？有积累一些AI经验吗如果把经验累积起来你觉得这个占比会改变吗平时如何跟AI对话的举一个跟AI对话解决实际问题的例子吧AI给了哪些方案你用了哪个？是怎么描述给它这个问题的泛聊平时怎么学习...