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...

最终还是选择志杰了，🍠希望有机会在秋招再见吧

2026年03月20日 虾皮一面全程45分钟。 一、简历与项目经历自我介绍实习介绍项目难点：在实习或项目中遇到过哪些比较难的地方？有没有遇到过并发问题或同步问题？二、基础知识问答锁机制：你知道什么叫悲观锁和乐观锁吗？你知道什么叫读写锁吗？（追问：还有其他特点吗？）IO模型：同步IO跟异步IO的概念是什么？有什么区别？阻塞IO跟非阻塞IO的概念是什么？（追问）同步/异步 与 阻塞/非阻塞 这四者之间的关系是什么？框架与中间件：你知道零拷贝（Zero Copy）是什么东西吗？日常开发代码手写多少，AI写多少？抢票系统：怎么用Kafka来做验证码登录校验？当时选择Kafka的目的是什么？Java关键...