前言我在某互联网大厂做了2年技术面试官，平均每周面3-4个人，累计面试了300+位候选人。有一个现象让我印象深刻：很多候选人技术能力其实不错，但面试结束后我给出的评价是"不推荐"或"待定"。候选人可能永远不知道自己为什么被刷，因为HR只会说"综合考虑后……"。今天我把这些隐藏的扣分项全部公开，帮你避开那些"你不知道你不知道"的坑。原因1：自我介绍超过3分钟面试官的耐心比你想象的短得多。自我介绍超过3分钟，我已经开始走神了。我面过一个候选人，自我介绍讲了整整6分钟——从大学专业讲到研究生方向，再讲了3段实习经历的细节...

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

现在大二，投了很多没人理，看到很多都是要大三的，可不可以伪装成27届找实习啊。有没有人经历过。

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...