安达维尔

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...

你在leetcode上练的都是死代码能力🤣

刚看到到了初试，还没面就流程结束，有没有知道什么情况的

刷到这个话题，瞬间想起了我秋招找实习的社死经历，作为计算机专业的男生，我用亲身经历告诉大家：实习产出可以合理包装，但千万别过度造假，不然面试的时候真的会尴尬到想找个地缝钻进去。先说说我最开始的实习情况，特别普通，就是大多数开发实习生的日常：在一家小公司的后端组实习，mentor怕我碰坏线上环境，根本不让我碰核心业务代码。日常工作就是整理项目的接口文档、给老接口写点单元测试、改几个前端传参的小bug、偶尔旁听一下项目评审会，连正经的业务接口都没写过几个。实习了两个月，实打实的产出少得可怜，说难听点，就是个打杂的。那时候正赶上暑期实习招聘，看着身边同学的简历，个个都是“核心参与项目”“独立负责模块...