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...

是简历有问题吗

TEG网络研发部。半小时多结束，感觉是kpi。后台开发岗位纯靠回忆，有些问题和细节忘了。自我介绍介绍之前实习内容（之前做的数据库），没深问技术细节，除了实习工作，就问了下对公司产品的场景，架构理解。了不了解消息解耦，比如多个终端产生海量数据存入数据库的问题，答的用消息队列集群的控制节点怎么确定的，raft协议了解吗，说说流程。（很久之前看的了，答了选主，多数派原则，心跳。忘记答关键的WAL日志了）了解什么消息队列（RabbitMQ），与其它产品（如kafka）对比。mysql MVCC实现原理mysql 三个日志介绍。redolog和binlog区别。redis分布式锁redis缓存雪崩，穿透...