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...

如题。   

   😅? 

一、行业 / 公司新闻 1. Anthropic 招聘武器专家防止 AI 滥用，BBC 报道引发关注  摘要: Anthropic 发布"化学武器与高爆炸药政策经理"岗位，年薪 285K，要求至少 5 年化学武器/爆炸物防御经验，需了解"放射性弥散装置"（脏弹）。  2. Anthropic 市场份额大幅提升，企业客户争夺战升温  摘要: 在首次购买 AI 服务的企业中，Anthropic 在与 OpenAI 的正面竞争中赢得约 70% 的客户。Ramp 平台数据显示，一年前仅 1/25 的企业使用 Anthropic，现在已接近 1/4。  3. 30...