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...

就是觉得好漂亮，可能是配色？

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

1. FreeRTOS 中任务栈溢出是如何检测的？configCHECK_FOR_STACK_OVERFLOW 的两种模式有什么区别？答：FreeRTOS 提供两种栈溢出检测方式，通过 configCHECK_FOR_STACK_OVERFLOW 配置：模式1：在任务切换时检查栈指针是否超出栈边界。速度快，但如果溢出后栈指针又回来了，可能漏检。模式2：在任务创建时用固定值（0xA5）填充整个栈空间，切换时检查栈末尾的几个字节是否被改写。检测更可靠，但有轻微性能开销。两种模式都会在检测到溢出时调用 vApplicationStackOverflowHook()，用户在这里处理错误（比如打印任务名...