光学设计笔试题

我之前在一家创业公司待了一年半，虽然工资不高，但那段时间是我进步最快的时期。成长型工作的几个特征：经常遇到不会的东西，但能学会 那时候公司要做一个实时数据看板，我之前没做过。硬着头皮啃了两周文档，做出来了。现在这个技能成了我简历上的加分项，面试基本都会问。能看到自己的进步 刚入职时写个接口要一天，三个月后半天就搞定。从只会增删改查，到能独立做性能优化、架构设计。这种成长是看得见摸得着的。工作有反馈，有成就感 你做的东西有人用，用户量从0到10万，bug从每天十几个降到个位数。这种正向反馈会让你觉得，加班都是值得的。下班后还会主动学习 不是因为焦虑被迫学，而是白天遇到了有意思的问题，晚上想深入研...

简历如下，也是改了不下十版了三月初开始投递，到现在感觉投递了有个1500家了（实习，全职）面了10家左右的样子（都是线上的，线下的我一律当做刷kpi没接，现在感觉线上线下都是刷KPI的），笔试倒是做了不少，收到了两份实习offer都拒绝了（一个140/天+外地，一个120/天本地初创）最近也不知道投啥了，想着春招实习两手抓，但是投递的很多岗位有要求1-3年经验，投出去也是石沉大海杳无音信，偶尔有几个回复，然后就是笔试面试，再无后续慢慢的也有点蕉绿起来了😭😭还有课设，论文乱七八糟的当时还选择了考研，找学长问考研经验，学长第一句话就是不建议考研，当时还不以为然，现在想想……

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

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...