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...

双非一本，八股刚开始，这个简历能找到实习吗。。。

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

1. 自我介绍和项目介绍2.怎么判断一个点在凸多边形里面答案：如果是凸多边形，最常见的方法就是判断这个点是否始终在每一条边的同一侧。具体做法是依次计算多边形每条边和目标点构成的叉积，如果所有叉积同号，说明点在凸多边形内部；如果有正有负，说明点在外部。这种方法的好处是实现简单，时间复杂度是 O(n)，很适合面试时手写。代码： #include <vector> using namespace std; struct Point { double x, y; }; double cross(const Point& a, const Point& b, const Po...