作为一名大四后端开发实习生，我正一边在岗写业务、改接口，一边悄悄投递简历、准备面试。上班时认真完成任务，不划水、不耽误进度；午休和下班后集中刷算法、复盘项目，利用碎片时间跟进招聘消息。虽然兼顾两头很累，但既保证了实习经验积累，又不错过更好的机会。不裸辞、不焦虑，稳扎稳打，为自己争取更多选择。最重要的一点是，千万不能摆烂，一定要认真准备面试的东西！#如何一边实习一边找下家？#

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

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...