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...

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

以为食堂健身房是福利，结果加班到凌晨，根本没时间去。以为能做有价值的事，结果每天都是重复的简历筛选、会议纪要。以为同事都是精英，结果大家都在摸鱼、甩锅、内卷，氛围压抑到窒息。那一刻我突然明白：大厂不是乌托邦，只是一个更大的职场而已。清醒了，也更迷茫了。😔

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？#