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...

我觉得我经历很丰富啊，为什么在西安只有7k😭

八股java反射的原理哪些框架用到了反射java中除了synchronized还了解哪些锁线程池的参数，实际使用的时候参数怎么设置的concurrenthashmap原理什么是覆盖索引mysql慢查询排查及原因实习拷打（巴拉巴拉）另一个面试官：最近遇到的最大困难实习期间的收获设计一个查找方圆3公里的骑手并通知接单抢单