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...

这是**吗，天天发内推吗，想钱想疯了。看到都烦，我来牛客看面经结果全被这个刷屏

一、语言本质：C++ 是什么C++ = 多范式语言支持：面向过程（C 风格）面向对象（class / inheritance / polymorphism）泛型编程（template）元编程（constexpr / TMP）核心思想：零成本抽象（Zero-overhead abstraction）—— 你不用的功能不会带来运行时开销二、内存模型与对象生命周期1. 内存分区典型程序内存布局：栈（stack）：局部变量，自动分配释放堆（heap）：动态分配（new / malloc）静态区（data / bss）：全局变量、static变量常量区：字符串常量等代码区（text）2. new / d...