经历过也当过面试官，感觉面试官的“尖刻”，通常分三种，应对策略完全不同：第一种：压力测试型（占大多数）表现：连续追问细节，挑战你的方案，甚至质疑你的结论。比如：“你这个活动的成功，有没有可能是运气？”“你这个数据是怎么得到的？落地性经过检验了吗？”目的：考察你的抗压能力、逻辑扎实程度和自信水平。看你是在压力下崩溃，还是能冷静捍卫自己的观点。我们怎么办：保持镇定，把质疑当作深入的讨论机会。你可以说：“您提的这点很关键，我当时的考虑是…，从结果来看…，如果再来一次，我会加入…的验证。” 展示你的思考深度和成长性。第二种：秀优越感/PUA型（少数，但存在）表现：打断你说话，用居高临下的语气否定你的经...

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

人生第一次主动投递简历，深受打击总共打招呼120，其中67个未读，34个已读不回，主动涌上来的5个字节和3个华为kpi，婉拒。最后11个投递简历，然后6个已读不回，2个询问实习时间后口头承诺约面，3个要了简历逗逗我然后没看。想问问该怎么办这是正常的嘛

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...