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...

以为食堂健身房是福利，结果加班到凌晨，根本没时间去。以为能做有价值的事，结果每天都是重复的简历筛选、会议纪要。以为同事都是精英，结果大家都在摸鱼、甩锅、内卷，氛围压抑到窒息。那一刻我突然明白：大厂不是乌托邦，只是一个更大的职场而已。清醒了，也更迷茫了。😔

本人27届毕业生，去年暑假开始准备后端方向，java语言。拖拖拉拉到现在。目前做了苍穹，正在学redis和算法，四月份准备蓝桥杯，还有Springcloud八股都还没学到，感觉有点来不及了，想学完现在的东西，立马开始学习八股和算法，狂学刀蓝桥杯结束，然后写简历，投简历，倒时候边投边学，不然怕面试随便问一个八股我都答不上来。这种方法可行吗，求助各位大佬。