真是一场苦战，索性该答的都答了个七七八八加粗的是没答上来的Reconciler 如何遍历 fiber 树（先序遍历）为什么要这么设计（这我上哪知道了）DOM 树和 fiber 树的区别diff 算法是怎么比较新旧两个树的（还没学到 diff 算法呢）浏览器从拿到渲染树以后都经过了哪些阶段（布局→分层→分块→光栅化→直接显示（其实是合成））为什么光栅化要由 GPU 去做（GPU 擅长光栅化的操作）为什么会这样呢（疯了吧问这个）Webpack 和 Vite 有什么区别Vite 打包用的什么（我想也是 ESM 吧）ESM 和 CJS 区别（提到同步导入和异步导入）微任务队列和宏任务队列都是什么任务循...

朋友的舍友大二，直接被字节捞走了，说是在github上看到了这位舍友的账号，直接联系本人了，我也一直在找实习，但是很少人要我😅😅😅

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

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...