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...

主播27号面完，到现在还显示这个是不是要挂了啊

rt 不知道是真的假的丁老板 太难绷了

1. 自我介绍，说说你做过的项目里技术上最有挑战的一个。答：按"背景→技术挑战→你的解法→结果"四段走，控制在2分钟。重点放在技术挑战上，说清楚难在哪、你怎么想的、最终怎么解决的。极米是投影仪方向，如果有音视频、显示、IoT相关经验要重点提。2. FreeRTOS的任务堆栈溢出是如何检测的？溢出后系统会发生什么，如何预防？答：FreeRTOS提供两种栈溢出检测方式，通过configCHECK_FOR_STACK_OVERFLOW宏配置。方式一（检测值为1）：任务切换时检查栈指针是否越界，只在上下文切换时检查，开销小，但如果溢出发生在两次切换之间可能漏检。方式二（检测值为2）...