腾讯复活赛打输了了

1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

大四还有课，怎么办 大四下想去实习，能否申请线上课 有办法吗 请指导

在前端性能优化中，懒加载几乎是必考概念。但很多人一提懒加载，只能说出两句话：路由懒加载用 import()图片懒加载用 IntersectionObserver这在真实项目和面试中，远远不够。这篇文章从加载对象、作用层级、真实业务动机三个维度，系统讲清楚——前端里到底有哪些懒加载，以及它们各自解决什么问题。什么是懒加载？一句话定义：懒加载 = 把“现在不需要的东西”，从初始化阶段推迟到真正需要时再加载。本质目标只有三个减少首屏资源体积降低初始化 JS 执行压力提升关键性能指标（FCP / LCP / TTI）前端懒加载的完整分类总览可以按 懒什么 来分类：分类懒加载对象路由级懒加载页面模块组件...