这次出的题明显比一面小得多，而面试官给的反馈、正向肯定明显比一面少得多，因此心态也要跟着变化。加粗是没提前准备好的：二面一般是领导面，所以开局反问职位（团队需求方，用人经理）自我介绍，说一面说过的优势介绍实习公司业务、个人工作介绍实习技术栈（Monorepo+React+MobX）MobX 如何在 React 工作流里工作（忘了 Observable 这个东西了，说的 Effect 可以监听 MobX 状态）MobX 如何融入本人工作流（说了从呼出图片编辑器到用户修改再到同步 CRDT 状态的链路、本人遇到的文本框组件不更新的问题，说得没太方便面试官理解，就多追问了一些关于流程的具体问题）Re...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

Q:请详细解释一下 Transformer 模型中的自注意力机制是如何工作的?它为什么比 RNN 更适合处理长序列? 难度:⭐⭐ 公司:字节、阿里、腾讯(高频) 算法岗回答要点:   自注意力机制原理  输入序列通过三个线性变换得到 Q(Query)、K(Key)、V(Value) 计算注意力分数:scores = QK^T / √d_k Softmax 归一化得到注意力权重 加权求和:output = softmax(scores) · V    数学推导 Attention(Q,K,V) = softmax(QK^T/√d_k)V   为什么除以√d_k?防止点积过大导致梯度消失 Mult...