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...

目前这个简历投直接秒挂，想问问各位大佬哪里出问题了

牛客网你tm用的哪个时区的时间

1、自我介绍2、解释项目中预扣减，场景题：如果redis预扣减后的假成功，如何解决？没想过这种情况，说了消息队列的异步下单失败回滚，数据库层幂等建唯一id查订单是否存在。3、场景题：怎么做用户支付不多扣？在自我介绍的时候解释了项目的防重和状态机，又说了一遍redis预扣，lua原子操作，卡夫卡异步下单，数据库幂等表，不知道怎么答。4、对账怎么实现？没做过这部分，说了思路，应该不对。5、go的slice，array区别6、go的map是否并发安全7、redis的持久化操作8、如果AOF写的日志太多，怎么办？9、数据库索引种类，又解释了一下10、算法：lru11、反问：没问。#牛客AI配图神器#