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...

想当鹅孝女呜呜附tl：3.20 一面+二面3.23 三面3.24 显示hr面3.26 晚上收到hr面试 第二天面3.27 面完hr 7min hr很忙然后面完界面还停在链接3.30 云证 但是还是显示hr面3.31 录用评估中

上周二投的暑期实习，没想到周四就约面了，一边疯狂准备一边拖，终于今天完成了自己的第一面。前面问了十几分钟agent项目，后面回到java部分。HashMap 的底层实现是什么？是线程安全的吗？HashMap 会有死循环问题吗？如果要用线程安全的数据结构，有什么替代方案？synchronized 的底层实现大概是怎么样的？线程锁锁的到底是什么？ThreadLocal 有了解吗？大概是怎么回事？ThreadLocal 在什么场景下会用到？在你的项目中，有用到 ThreadLocal 吗？Redis 常见的数据结构有哪些？ZSet 和 Set 的底层实现有了解吗？缓存雪崩、穿透、击穿分别是怎么回事？...