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...

有点搞笑了哈哈哈😂

211本+一段大厂实习，清明节开始集中投递暑期，到现在只有腾讯和京东给面，感觉答得挺好的，但是到现在也都还没有反馈，其他的连面都不给，没招了

一面(1小时无手撕)：1.实习经历拷打2.说说你知道的垃圾回收处理器3.G1的回收过程4.G1的筛选回收原理5.说说你认为并发情况下怎么做到不冲突6.说一下HashMap和ArrayList的底层原理7.innodb引擎不同隔离的区别以及怎么加锁的8.MVCC的原理9.redis分布式锁怎么做的，有什么问题10.看门狗机制说一下11.红锁了解吗，有什么问题，怎么解决这些问题12.io有哪些二面(不到半小时)：1.实习经历拷打2.手撕一道sql3.手撕一个类似hot100的节点的最近公共祖先，稍微变了一下