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...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

群里小伙伴投稿的时候 我也懵了一下 ,纯八股1. 自我介绍,着重讲讲你的履历2. 讲讲 HashMap 和 Hashtable 的区别，为什么现在工程里几乎不用 HashtableHashtable 的方法基本都是同步的，粒度重，性能差，而且不支持高并发场景下的细粒度优化。HashMap 本身不是线程安全的，但它更轻量，配合外部同步、ConcurrentHashMap 或更合理的并发设计更适合现代工程。Hashtable 还有一个问题是历史包袱重，API 设计也比较老旧，所以现在一般不作为首选。3. 设计一个线程安全的“批量删除 HashMap 中符合条件的 value”功能不能直接在遍历时删...