美团，启动

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...

周五投了 tx，部门选的任意，今天来约面电话了，结果是 wxg，还是微信支付？？纯血 C++来捞我一个纯 java 的简历？？问我接不接受转语言，我说考虑转 go 但是从来没考虑转 C++，然后还是说让我面试尝试一下？？？说面试不会考语言。面试官是个女生，口音听着像台湾那边的现在看网上 WXG 的面经已经吓哭了，不会上来就让我写四道 hard 吧，hot100 选手已投降🏳️

不知道过两年会变成啥样…   

1. 你的项目中使用了消息队列（MQ），如何保证消息的可靠性投递（不丢失）？回答：保证可靠性需要从三个阶段入手： 生产者阶段：开启确认机制（如 RabbitMQ 的 Confirm 模式或 RocketMQ 的同步发送）。发送失败时进行重试，或者记录日志入库。MQ 节点阶段：开启持久化（交换机、队列、消息全部持久化到磁盘）。如果是集群环境，使用镜像队列或多副本同步，确保 Leader 宕机后数据不丢。消费者阶段：关闭自动 ACK，改为手动 ACK。只有在业务逻辑处理成功后才返回确认，防止消息在处理中途由于异常丢失。2. 谈谈 Netty 的高性能架构，为什么它比传统的 Tomcat 连接器更快...