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...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

又挂了一上来两个面试官，给我整不会了，说为了节省时间，本来三轮技术面压缩。面试官1：自我介绍反射机制，哪些框架中用到了反射框架优点缺点concurrenthashmap怎么保证并发安全除了synchronized可以加锁还有什么锁synchronized和reentrantlock有什么区别线程池有哪些参数，参数怎么考量设置项目里哪些场景下使用了线程池，具体怎么设置参数的（这里我瞎说了，记不得哪里用，应该错了）为什么要定义线程池什么是聚簇索引什么是非聚簇索引覆盖索引怎么定位慢查询深分页了解吗，怎么优化？（这里我说了覆盖索引+子查询和游标法，但是游标法我不熟，面试官又追问我游标法具体怎么写，掉进...