1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

面试内容：1.使用过飞书吗，都是在哪些场景2.介绍一下TCP三次握手3.对DDoS了解吗？（根本没听过，然后我反问他让他介绍一下是什么（分布式的拒绝服务的攻击），我说有点像中间人攻击）4.中间人攻击是什么？根据我的介绍，你觉得DDoS和中间人攻击的区别在于什么？5.针对中间人攻击的怎么进行防御（我讲了https的加密握手）6.又绕回来了这个DDos攻击，怎么实现比较高效呢。（根本不会我就一直瞎扯）7.然后说这个DDos是想让服务拒绝提供正常的服务，怎么让服务端拒绝提供服务呢？（我回答了而已刷接口流量之类的，然后他觉得一直没get到他的点，就pass这个问题了，然后我反问才得知要从内存、计算资源...