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...

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

投递150+，中大厂基本简历关过不了，500-999有面试机会。已麻，准备考研92了😭

1.自我介绍2.论文拷打3.手撕题：（面试官已经不知道问啥了，让我先写个题，他再想想问什么）给定一个数组和k，问能不能把这数组换分成k份，每份的总和都相同。（想到问什么了）4.transformer的多头是如何划分的5.讲讲位置编码有哪些6.讲讲diffusion的原理，flow matching了解吗讲讲，ODE呢？（ODE是啥，可能没听清，反问了下ODE的全称 他说他也不清楚）（有可能是我听错了）7.Qwen Image-Edit讲讲（不知道，只用过）反问：1.业务2.手撕题的算法优化（我用的dfs+剪枝，面试官说应该可以用状压，不会）3.面试整体评价（面试官说字节大部分面试官看重聪明度+...