华为od欢迎一本理工科自荐👏

1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...

下面按真实面试高频整理，覆盖算法岗 / 大模型 / 工程 / 产品四类最常见 AI 岗位，直接背就能用。 一、通用必问（所有 AI 岗都跑不掉） 1. 自我介绍（1 分钟版：学历→项目→技术栈→亮点） 2. 机器学习基础 ◦ 过拟合怎么解决？ ◦ 正则化 L1/L2 区别？ ◦ 准确率、精确率、召回率、F1、AUC 含义与适用场景 ◦ 交叉熵、MSE 损失函数区别 3. 深度学习基础 ◦ 梯度消失 / 爆炸原因与解决 ◦ BatchNorm 作用、原理 ◦ 优化器：SGD、Adam、RMSprop 区别 4. 编程 & 工程 ◦ Python 基础：装饰器、多线程、GIL ◦ Pand...