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...

做过很多的项目，也有一段实习，但是投递就几乎没啥反应，是简历问题吗？大家帮忙看看吧想做AI产品

入门AI首先要关注应该如何使用AI，使用现成的AI工具进行提效。比如说如何使用豆包进行高效的提问获取资料，如何使用即梦生成想要的图片，如何利用剪映剪出想要的视频，如何利用飞书的AI制作表格，如何使用扣子的编写自己的工作流。无论学什么，最重要的是行动，我推荐可以入门学习一下提示词应该要怎么写。#现在入门AI应该走哪些方向？#