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...

今日首蚌，真的很难绷住

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

1. 简单介绍一下你自己和你最擅长的技术领域参考答案面试官您好，我是 XXX。我主要的技术方向是嵌入式系统开发，有两年多的项目经验。我最擅长的是 STM32 的开发和 Linux 系统编程。STM32 方面：熟悉各种外设的使用，包括 GPIO、定时器、UART、SPI、I2C、ADC、DMA 等做过多个基于 STM32 的项目，从底层驱动到应用逻辑都有涉及对 FreeRTOS 比较熟悉，能够设计合理的任务架构，处理好任务间的同步和通信Linux 方面：熟悉系统编程，包括进程线程管理、网络编程、文件 IO 等做过高性能服务器项目，对 epoll、多线程、性能优化有深入理解了解一些 Linux 内...