嵌入式岗位的面试，本质不是“知识问答”，而是三层筛选：技术是否能扛住项目是否具备系统工程思维薪资是否与产出匹配很多人输在最后一步：技术面过了，但谈薪把自己谈低了，或者直接谈崩。一、嵌入式面试的真实评价体系1. 面试官真正关心的不是“你会不会”嵌入式岗位常见技术点：C语言基础STM32 / NXP / ESP32等平台RTOS（FreeRTOS居多）驱动开发（UART / SPI / I2C / DMA）调试能力（JTAG / GDB / logic analyzer）问题定位能力（死机、卡死、内存泄漏）但面试官真正筛选的是：你遇到“线上bug”能不能在没有文档的情况下解决问题？2. 面试分层逻...

如题，本人双非学院本，大一大二的时候主要在打ACM。但是怕只打ACM找不到工作，大二也开始学开发。大三上边实习还边打比赛，但是圆梦ACM亚洲区域赛金牌了。然后我信息差比较封闭，加上前面打比赛也没什么时间。所以项目就是一个练手项目，想写技术亮点都不知道写啥。后面也没时间做一个新项目。实习也是初创公司。感觉项目经历和实习经历都拉完了。然后也是寒假才了解到暑期实习，然后花了一两周从零开始背八股，刷面经。然后面了腾讯WXG还是有些八股遗漏了，还有被吐槽项目没深度，一面直接挂了。现在感觉好焦虑，感觉ACM金牌好像作用并不大。不知道还能不能找大厂暑期，不行的话要先找中小厂沉淀吗，或者加急一个星期赶出个比较好的Agent项目然后继续投，还是说不如直接去信奥赛教培行业了。考研走算法岗的路线就算了，偏科太严重了也不擅长考试。好迷茫啊，感觉卷不动了。

秋招0offer，估计简历有问题   

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...