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...

如图      

0实习，春招能拿到offer吗，  孩子要哭了🥹🥹

嵌入式岗位的面试，有一个非常明显的特点：考点高度集中、重复率极高。很多人项目做了一堆，但一到面试却频频翻车，本质原因不是不会做，而是对“基础高频点”掌握不扎实。这篇文章帮你系统梳理嵌入式面试中最常见、最核心的考点，按模块拆解，一次吃透。一、C语言：嵌入式的“地基”1. 指针（必考中的必考）常见问题：指针和数组的区别？野指针、悬空指针是什么？二级指针的使用场景？函数指针怎么用？👉 面试本质：考你是否真正理解内存模型。2. const、volatile、staticconst：只读语义 vs 编译期常量volatile：防止编译器优化（硬件寄存器必备）static：局部：延长生命周期全局：限制作...