面试过的人都懂，最容易翻车的，从来不是前面的专业问答，而是结尾那句轻飘飘的「你还有什么问题要问我吗？」作为在互联网大厂做了 5 年 HR，面过近千位候选人，也帮上百位朋友复盘过面试、拿到心仪 offer 的过来人，我可以很负责任地说：今天就把面试提问的「红线」和「加分项」一次性讲透：3 个绝对不能碰的禁忌，碰一个就扣印象分；5 个适配 90% 以上岗位的高光提问，问完直接让面试官对你刮目相看。不管是应届生校招，还是职场人跳槽，看完直接就能用。先避坑：3 大禁忌，碰一个就扣光印象分面试提问的核心原则永远是：不添乱、不越界、不暴露短板。以下这三个红线，哪怕你再好奇，也千万别在面试时张口就问。禁忌一...

不过大厂的面试确实比小厂能学到更多

想知道这种双非简历能拿啥工资，不行的话就考研刷学历或者考公了。求大佬帮忙看看

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...