我还记得入职那天的感觉。 工位上放着一台崭新的 MacBook，旁边贴着一张纸条，上面是导师的飞书号和一句话："先把开发环境搭好，有问题随时问。" 我花了大半天时间熟悉内部系统，光是权限申请就提了七八个。代码仓库拉下来的时候，我盯着屏幕上密密麻麻的目录结构，心里只有一个念头：这东西，我真的能看懂吗？ 导师叫阿宇，说话很快，但每次解释技术问题的时候会刻意慢下来。第一周的周会上，他让我旁听，不用发言。我坐在角落里，听着团队讨论服务拆分、链路追踪、降级策略，笔记本上记满了听不懂的术语。 "先别急，"阿宇说，"你先把这个模块的代码通读一遍，搞清楚数据流...

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...