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...

😭这是给挂了吗，都一周了还显示这个。。。。

从整体来看，这一轮面试覆盖面非常广，但并不杂乱，反而体现出一个非常清晰的用人标准：工程基础 + 系统理解 + 代码能力 + 安全意识。题目横跨网络、操作系统、数据库、数据结构、C++语言特性以及系统设计，典型地体现了大厂基础面试的特点——不追求特别偏门的知识，而是反复验证你是否具备扎实的“计算机底层能力”。本文不对具体题目做答案展开，而是从“题目结构”和“准备方法”两个维度进行拆解。一、面试题目结构拆解1. 网络与安全（高频核心模块）涉及题目：HTTP 与 HTTPS 区别及 TLS 握手流程打开网页全过程常见网络安全漏洞与防护加密算法与 RSA 原理这一部分的核心不是记忆协议细节，而是理解三...