秋招算是尘埃落定了

岗位：客户端开发timeline3.4 简历给到猎头3.9 一面 3.11 二面3.13 面委笔试3.18 三场面委面，早中晚各一场前两场面委面聊的很好，被最后一个面委面试官一票否决一面1.深入讲讲工作项目中遇到的挑战和解决办法2.性能优化问题的解决思路3.在做方案设计的时候怎么做好可维护性，比如从设计模式出发4.常规八股 线程和协程的区别，协程的底层实现原理 TCP的流量控制和拥塞避免5.一道算法题 能被三整除的最大和二面1.分享一下在工作中遇到的难题2.深挖工作项目中的技术原理3.mac上对客户端进程的权限管理，内核事件的安全性如何保证4.两道算法题: 把中文数字转换为int; 给定字符串...

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

🐭🐭是学院本，没有实习过😭3.2号更新一波简历，目前已经有一家进二面了，一面线上面被拷打了一个多小时，后面和负责人开始聊天。😭

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...