相比一面偏基础与语言细节，微信支付的二面明显更偏向系统设计 + 工程能力 + 真实场景问题。整体感受可以总结为一句话：不再考“你会什么”，而是考“你在复杂系统里能不能做决策”。问题往往有几个特点：从项目出发，一路深挖强调高并发、高可用、数据一致性关注线上问题处理经验非常看重“设计能力”和“取舍意识”很多问题没有标准答案，但每个问题都可以被不断追问：为什么这么设计？有没有更优解？代价是什么？下面是整理后的核心问题清单。项目与工程能力介绍你做过的最有挑战性的项目，核心难点是什么？项目中最大的技术瓶颈在哪里？你是如何定位的？如果让你重新设计这个项目，你会如何优化架构？项目中有没有出现过线上事故？你是...

过了，云智真tm香啊。😜

1. 自我介绍2. 项目拷打3. 你实习做了什么 有什么提升 详细说说4.Transformer 为什么适合做大模型底座？Transformer 适合做大模型底座，核心原因是 并行能力强、长距离依赖建模能力强、扩展性好。RNN 按时间步串行处理，训练效率低，而且长距离依赖容易衰减；Transformer 使用 Self-Attention 直接建模任意位置之间的关系，训练时可以并行处理整段序列，所以更适合大规模预训练。现在大部分大模型都以 Transformer 为核心结构。5. Self-Attention 的公式是什么？输入 (X) 先映射成 Query、Key、Value：注意力计算公式...