1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

分享一个蚂蚁timeline3.25 一面3.30 二面4.2 HR面4.10 意向书

群里小伙伴投稿的时候 我也懵了一下 ,纯八股1. 自我介绍,着重讲讲你的履历2. 讲讲 HashMap 和 Hashtable 的区别，为什么现在工程里几乎不用 HashtableHashtable 的方法基本都是同步的，粒度重，性能差，而且不支持高并发场景下的细粒度优化。HashMap 本身不是线程安全的，但它更轻量，配合外部同步、ConcurrentHashMap 或更合理的并发设计更适合现代工程。Hashtable 还有一个问题是历史包袱重，API 设计也比较老旧，所以现在一般不作为首选。3. 设计一个线程安全的“批量删除 HashMap 中符合条件的 value”功能不能直接在遍历时删...