TCL英语笔试

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...

随时随地都有可能error

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

1 synchronized底层原理 2.voliate 为什么不能保证原子性 3.threelocal内存泄漏的原因 4.mysql为什么用b+树 5.事务隔离级别有哪些主要解决什么问题  6.mvcc原理 7.对ai的理解 8 skill作用 9 mcp是什么样的协议 10.怎么开发一个mcp服务 11上下文过大怎么解决  12.leetcode438. 找到字符串中所有字母异位词