1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

能的兄弟，能的，一天200k我肯定干

要简历的不少，但没面😥同学都在实习，好焦虑😢

秋招加春招，前前后后面了差不多 20 家公司，岗位主要是嵌入式软件开发、Linux 驱动、底层软件和部分车载方向。一路面下来，最大的感受就是，嵌入式面试真的很容易让人产生错觉：准备的时候觉得自己都会，真正进面之后才发现，很多知识点其实只是“看过”，还远远没到“能讲清、能展开、能抗追问”的程度。下面这 5 点，是我这段时间最真实的总结。1. 八股一定要背，但更重要的是“理解版八股”嵌入式面试离不开八股，这个是事实。C 语言、指针、内存分区、volatile、static、const、结构体对齐、大小端、中断、线程/任务调度、锁、信号量、死锁、I2C/SPI/UART、Linux 进程线程、虚拟内...