光大北分体检项目

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...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

一面结束后，我大概有个预期：联影的面试不会考“广”，而是会继续往“深”和“实战”走。二面的实际体验也基本符合这个判断。整体节奏没有一面那么偏底层原理，但明显更偏向系统设计、问题定位和工程经验。面试官不会再单点拷打某个知识点，而是更倾向于抛出一个真实问题，然后不断追问你：你会怎么分析？为什么这么做？有没有更优解？代价是什么？很多问题没有标准答案，但能明显感受到，对方在判断的是：你是不是一个能在复杂系统里把事情兜住的人。面试题目在一个嵌入式系统中，如果出现“偶发性死机”，但长期无法复现，我会如何设计一套系统性的排查方案？如果系统运行一段时间后性能下降，但CPU利用率不高，我会从哪些角度去判断瓶颈是...