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...

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

这种要去吗？

二面和一面相比完全不是一个量级，一面还算是考察基础知识，二面更像是在和你讨论技术方案，每个问题都有大量追问，而且他会故意提出反驳意见看你怎么应对。项目聊了将近四十分钟，他把我项目里的每个技术决策都问了一遍为什么，有几次我答不上来被他直接指出设计上的问题。1. 讲一下 FreeRTOS 的任务状态机，每种状态之间的转换条件是什么，阻塞状态和挂起状态有什么本质区别？答：FreeRTOS 的任务有五种状态：运行、就绪、阻塞、挂起、删除。运行状态是任务正在占用 CPU 执行，单核系统里同一时刻只有一个任务处于运行状态。就绪状态是任务具备运行条件，等待调度器分配 CPU。所有就绪任务按优先级排在就绪列表...