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...

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

本2硕9，简历里就写了一个点评和一个rpc，有点焦虑，hot100写过一遍感觉和没写一样，八股每天看，但是感觉有点看不下去，看一会就没劲，求骂醒目前才开始投，投了一个vivo，一个亚马逊，一个腾讯

如果用 userId 分表，要用merchantId 查询的话，如何查询？维护索引表：用一张单独的索引表存储 merchantId -> userId，查询时先查索引表拿到 userId。自己手写实现 一致性哈希分表一、核心原理（3 句话记住）把 userId 哈希成一个 0 ~ 2^32-1 的整数把 分表（表名后缀 0、1、2、3...） 也哈希后放到哈希环上userId 顺时针找最近的表 → 得到表序号（0、1、2...）关键：加表只影响少量数据二、手写实现一致性哈希（完整可复制）结构哈希环（排序的 Map）物理节点（真实表：0、1、2、3）虚拟节点（让数据分布更均匀）路由方法：输...