前言 今年AI赛道卷成红海，从OpenClaw到Gemini，满屏都是"AI替代焦虑"，连朋友圈都在刷"求职龙虾"——那些把好offer全掐走的卷王。作为一个被AI包围的应届生，我却在春招里靠一款叫求职精灵的AI工具实现了逆袭，顺利拿下腾讯产品运营岗offer。整个求职过程从简历优化到模拟面试，求职精灵全程陪跑，让我这个双非本科也能和985海归的卷王们正面刚。 我的背景 先说说我的背景吧：双非一本计算机专业本科，但做过学生会外联部长、运营过校园小程序、还在腾讯做过产品运营实习。说实话，投递腾讯之前我心里一点底都没有，毕竟"鹅厂"可是出...

是简历有什么问题吗，求大佬指点要玉玉了

不过还是挺开心的hhh

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...