闻泰秋招！

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...

（简历伪装成大三了）我是一个双非大二，意向是java后端开发能给我一些建议吗？开学就大二下了，什么时间去投递，能不能投递给中厂呢求前辈帮我看看😘

参加了 联影医疗 嵌入式软件开发一面，整体感受是：问题不多，但每一道都可以“往死里问”。面试官不会刻意区分 MCU 或 Linux，而是围绕“你是否真正理解系统如何运行”不断追问，从语言本质、硬件行为到操作系统机制，很多问题如果只是停留在经验层面，很容易被继续往底层追溯。以下是整理出的 18 个问题，基本还原当时的技术深度。面试题目C 语言中一个变量从定义到被 CPU 访问，中间经历了哪些过程？编译器、链接器和内存布局分别做了什么？指针解引用时，CPU 具体做了什么？如果访问了一个非法地址，会在硬件层面发生什么？volatile 能解决所有并发可见性问题吗？在多核系统和单核中断场景下分别有什么...