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...

做过很多的项目，也有一段实习，但是投递就几乎没啥反应，是简历问题吗？大家帮忙看看吧想做AI产品

真投了你又不给ps:楼主其实比起去大厂当螺丝钉 更想去一些初创公司或外企。楼主是一年不到的社招。

很简单的一面，速通了，当天约二面简历里提到了三套可替换的登录逻辑（单JWT、JWT+Redis、Session+Redis），为什么要去做这三套？你的考虑或者想法是什么？如果项目中依赖的 Redis 宕机了，这几种登录方式你是怎么考虑应对的？有什么备用方案吗？简历中提到秒杀有同步和异步两种方案，能具体说说你对这两种秒杀方案的思路和整个想法吗？简历中写到了布隆过滤器，并且单独提到了一个“1.82%”的拦截率数字，请问这个数字是你实际测试出来的吗？手撕：lc1291 顺次数