美团算法谈薪

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...

急急急急急急急急急急急急急急

今天得空review了一下昨晚的笔试，AI研发方向的，整体上有一定的难度，感觉自己答得还可以吧，期待给个面试机会 20 道选择 + 3 道编程 + 1 道 Prompt，T1 签到，T2 贪心一眼秒，T3 是个数位 DP 有点东西，T4 Prompt 题考的是让 AI 算出租车费。 选择题概览 选择题一半 AI 一半 CS 基础，AI 方向的占比还是挺高的。 AI/Agent 相关的大概考了这些：Transformer 的 teacher forcing 训练推理差异、MHA/MQA/GQA 注意力机制对比、LangChain 和 LangGraph 的关系、ReAct 的机制边界、multi...