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...

想找个暑期实习，求大佬们拷打简历

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

1. 介绍一下你做过的最复杂的嵌入式项目，整体架构是怎么设计的？答：以一个基于 STM32F407 + FreeRTOS 的 OTA 远程升级系统为例。整体架构分三层：硬件驱动层：UART（DMA收发）、SPI Flash、I2C EEPROM、GPIOOS 服务层：FreeRTOS 任务调度，包含 WiFi 通信任务、UART 数据处理任务、LED 状态任务、EEPROM 管理任务应用层：OTA 升级协议解析、固件分包接收、Flash 存储管理、bootloader 跳转逻辑关键设计决策：使用 UART + DMA + 空闲中断接收 ESP8266 数据，避免 CPU 轮询，接收完成后通过二...