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...

据说三面面试官是团队负责人，平时非常忙，这场面试前前后后约了好几次才终于定下来。 面试时间正好卡在饭点。面试官进来时状态还很饱满，先随口问了我一句：“吃饭了吗？”简单寒暄后，他很快切入正题： “我先给你三道题，你先做。我把晚饭吃了，等会儿还有个会。中间有问题随时开麦问我。” （我虽然听说了字节很忙，但是这是第一次切实体会到“居然忙成这样”…） 说完，他简单交代了题目和要求。 我只回了一句： “……好的，老师。” 三道题分别是：SQL手撕、基础算法、场景题。 SQL已经忘记具体题目； 算法是：链表隔K个元素反转 幸运的是，我整理过一些常见场景题，而那道“4G物理内存给100G文件的排序方法”我刚...