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...

这是**吗，天天发内推吗，想钱想疯了。看到都烦，我来牛客看面经结果全被这个刷屏

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

一面大概 45 分钟，面试官上来就直接问项目，没有任何寒暄，问完项目立刻切到技术题，节奏很快。问题不是孤立的，每道题都会顺着你的回答继续追问，感觉像是在顺着你的知识边界一路往里挖。Linux 内核、驱动、进程通信这几块问得很细，不是背概念就能过的，要能说清楚底层原理。最后手撕代码，题目不难但时间紧，建议提前练好链表和位操作。整体感受：真懂比背得多更重要。1. 自我介绍略，建议 2 分钟内说清楚：用过哪些芯片平台、做过什么项目、技术栈是什么，突出和嵌入式 Linux 相关的经历。2. Linux 进程和线程的区别？内核里怎么描述它们的？这道题很多人只说"进程是资源分配单位，线程是调度单...