1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...

是我写的代码太烂了吗

这个简历还能找得到工作吗？😭  

字节二面手撕没撕出来，n个线程，打印1~m,线程1打印1，线程2打印2，...线程n打印n,线程1打印n+1 ...写了个烂代码，但是那个编译器不能自动导包。手动导包不知道ReentrantLock在哪里，CountDownLatch在哪里.*只能导入该目录下的类， a.b 和a不是同一个目录 ReentrantLock在java.util.concurrent.locks下，CountDownLatch在java.util.concurrent下  import java.util.*; import java.util.concurrent.*; import java.util.conc...