1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

学java第六天，效率太慢了把游戏删了我再玩是sb

面了一些实习生，简历上写了 AI 项目的很多，但大部分一问"这个项目的亮点在哪"就开始复述技术栈了——"用了 LangChain、用了向量数据库……这不是亮点好吗  所以做项目的时候，提前想好这三个问题：  我做了哪个技术决策？为什么这么选？ 我遇到了什么坑？怎么解决的？数据变化是什么？ 有没有人真的在用？反馈是什么？  所有的技术都是为了解决现实场景，我们更关心的是：“你是否有独立思考和解决问题的能力”