更像项目深聊，没有八股和编程题这场阿里云 AI Infra 三面，整体感觉和前两面不太一样。前面几轮多少还有一些“项目追问”的紧张感，这一轮更像是一次围绕经历、学习路径和工程实践展开的深聊。面试官上来没有直接问技术细节，而是先从我导师现在在做什么、我为什么会从偏深度学习慢慢转到 AI Infra 这个方向聊起，也问了我本科阶段做的东西、现在在做的东西，和导师那边的研究之间到底有什么关联。我这里主要是把自己的路线讲清楚：不是突然转方向，而是从做模型、做工程、做性能相关的事情慢慢往更底层走，最后发现自己确实更喜欢算子优化、系统性能和工程实现这类工作。整体上，这一段更像是在看你的路径是不是自洽。后面...

投递Java后端开发，目前是微服务要学完做一个项目才更可能拿到面试机会吗?感谢各位佬

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...