985本，纠结于考研还是明年工作。

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...

这是**吗，天天发内推吗，想钱想疯了。看到都烦，我来牛客看面经结果全被这个刷屏

依旧不开摄像头1.自我介绍2.简历开始拷打3.volatile保证内存可见性和指令重排序原理4.内存泄露有没有遇到过5.用了什么工具出来6.线程池核心参数，有没有调过7.工厂模式和策略模式，为什么用工厂模式8.接口响应速度怎么测出来的9.单元测试10.spring和静态工厂11.sentinel用在哪里12.怎么理解雪崩怎么处理13.最大的困难14.java后端会被AI替代吗15.实习拷打反问最长时间的一次40多分种，听说大厂面试都是1个小时起步，感觉人麻了