1、自我介绍2、解释项目中预扣减，场景题：如果redis预扣减后的假成功，如何解决？没想过这种情况，说了消息队列的异步下单失败回滚，数据库层幂等建唯一id查订单是否存在。3、场景题：怎么做用户支付不多扣？在自我介绍的时候解释了项目的防重和状态机，又说了一遍redis预扣，lua原子操作，卡夫卡异步下单，数据库幂等表，不知道怎么答。4、对账怎么实现？没做过这部分，说了思路，应该不对。5、go的slice，array区别6、go的map是否并发安全7、redis的持久化操作8、如果AOF写的日志太多，怎么办？9、数据库索引种类，又解释了一下10、算法：lru11、反问：没问。#牛客AI配图神器#

大四上学期在某厂实习了三个月，说说真实感受吧。进去之前幻想的是参与核心项目、接触前沿技术。实际上每天就是写一些边角需求，改改前人的代码，开不完的会。mentor人挺好但也很忙，大部分时间还是自己摸索。最大的感触是：大厂没有想象中那么光鲜。工位很挤，实习生能接触到的东西真的有限，很多核心代码权限都没有。现在春招我反而没那么执着大厂了，更看重具体做什么、团队氛围怎么样。实习过一次之后你就会发现，公司名字真的只是个壳子，每天干的活才是实实在在的。

0实习，boss沟通了快一千个，就一个面试，求问问题出在简历还是招呼语呀？招呼语是：Boss您好，我对您发布的职位非常感兴趣，可以把简历发给您吗？

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...