难顶

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...

春招约不到面试，太难受了

目前只能约到小公司，求大神指导

1. 谈谈 ArrayList 和 LinkedList 的区别底层数据结构：ArrayList 基于动态数组实现；LinkedList 基于双向链表实现。访问性能：ArrayList 支持随机访问，通过索引定位的时间复杂度为 ；LinkedList 需从头或尾遍历，时间复杂度为 。增删效率：ArrayList 在末尾增删较快，但在中间插入或删除需移动后续元素；LinkedList 插入或删除只需修改指针，复杂度为 ，但定位到目标节点仍需 。内存开销：ArrayList 空间连续，但有容量预留导致的碎片；LinkedList 每个节点需额外存储前后指针，单节点内存占用更高。2. Thread、...