面试求问

前言在开始分享具体的面试题之前，我想先给这份面经定个调，我更愿意称之为“方向”。它不是什么万能宝典，而是专门写给这样一群人（基础可以，算法不行）的：学历背景扎实： 公立一本毕业，双证齐全（学信网可查，硬门槛）身份纯粹： 校招赛道，应届生身份基础过关： 已经熟悉一门编程语言（无论Java、C++、Python还是Go，或者其它，只要不是邪门语言），具备最基本的开发素养计算机素养： 具备基本的计算机功底——哪怕你不是科班出身。比如我自己就是数学专业，像数据结构、操作系统、网络这些核心素养，都是靠自学补上的；如果你是科班出身，那这一条本该就是你的本能 写这份面经之前，得先提一个人——栗栗姐（...

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。

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

这份题不是随便凑出来的 100 道，而是从大量面经和题目里 筛出来的高频题。我整理了上百套校招、实习、校招的大模型相关面试题，又结合公开平台上反复出现的问题，把那些 出现次数最多、覆盖岗位最广、面试最容易问到 的内容统一收拢，最后形成这套 大模型常考面试题100道1. Transformer 的整体结构是什么？答：Transformer 最早是 Encoder-Decoder 结构。Encoder 每层主要是多头自注意力和前馈网络，Decoder 每层除了 masked self-attention 和前馈网络，还多了一个 cross-attention，用来关注 Encoder 的输出。不过...