不是 姐们

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...

目前改好了这一半，如果差不多的话就准备投了，求拷打

GPT你能不能别吹牛逼了，问你你就回答，每次拍我马屁什么意思

一面主要考察了基础八股（CAN协议、RTOS任务调度、volatile/const、内存管理、死锁、看门狗、Linux驱动、AUTOSAR基础等），二面整体难度明显上升，更侧重系统设计能力、车载软件工程实践以及对整车架构的理解深度。面试官会结合一面的项目继续深挖，同时引入更多车载场景下的工程问题。一面提到了你的项目，这次深入聊一下：如果把你的项目移植到车载域控平台上，需要做哪些改造？从硬件抽象、OS选型、通信协议、功能安全几个维度分别说一下。什么是域控架构？和传统分布式ECU架构相比，域控架构的优势和挑战分别是什么？零跑的整车电子架构你了解吗？Classic AUTOSAR的分层架构中，BSW...