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...

第一次尝试写简历，真的好想好想暑假找一份实习啊，有点焦虑啊，项目都是自己琢磨的，不知道有没有用啊，技术栈都是自己感兴趣再去学的，但是感觉都学得很浅，hot100好久前写的感觉和没写一样，八股没看过，不知道看什么。

本来不想发了，但实在很郁闷，今天补了一些昨天面过之后的短板看完有同公司大佬当天上午面下午就约面但也有不过的立马发感谢信的我是昨天下午面完，今天一天无约面，官网显示在流程还在泡，可能在横向，也不发感谢信这次面的还行，但还是被深挖问了几个地方，虽然自己有想法但答的四四五五的，因为有些猜的不算准评价为知识广度是被认可的，但是深问就不太行，废话谁能想到问这么深，也不是，主要没遇见过标准答案，就比如滑动窗口为什么过时？没办法保证频率吗？窗口小了能保证那为什么不如令牌桶？rocketmq三层锁重平衡，那什么时候会重平衡新增删除还有啥？没反应过来，导致重复消费还导致啥？应该乱序，但没仔细看过只答了乱序没说问...