二面基本不扫知识面，每个问题都往深里挖，答完他会继续追问，感觉整场面试都在被拷问细节。项目聊了将近三十分钟，他对架构设计和性能优化特别感兴趣，问了很多"你当时有没有考虑过其他方案"和"这个方案的瓶颈在哪里"。1. 讲一下 C++ 的对象模型，一个含有虚函数的类，它的对象在内存里是什么布局？多继承时虚函数表是怎么组织的？答：一个含有虚函数的类，对象内存布局从低地址开始：首先是虚指针（vptr），占一个指针大小（64 位系统 8 字节），指向该类的虚函数表。然后是按声明顺序排列的成员变量，编译器可能在成员之间插入填充字节满足对齐要求。虚函数表是一个函数指针数...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

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...