许愿腾讯

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...

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

一、进程调度算法 先来先服务——短作业优先——最短剩余时间优先——优先级调度——时间片轮转——多级反馈队列调度（每个队列的时间片长度不一样）二、进程调度器 确保CPU时间片能在各个进程间合理分配，最大化系统资源利用率，同时考虑进程的响应时间。一个进程只属于一个调度器。  调度器是 CPU 中央处理器的管理员，主要负责做两件事情： 一、选择某些就绪进程执行。 二、是打断某些执行的进程让它们变为就绪状态。 调度器分配CPU时间的基本依据：进程的优先级。 上下文切换（context switch ）：负责存储和切换被切换掉之前的CPU 状态。三、调度策略 #define SCHED_NORMAL 0...