0offer选手……

多做一些面试的准备，其实面试也没有那么难，不要裸面，现在无非就是那些问题，好好准备就行了！给大家分享下最近整理的前端开发面试专题及答案，可以对照这查漏补缺：🍀 JavaScript（323题）🍀 CSS（61题）🍀 HTML（57题）🍀 React（83题）🍀 Vue（80题）🍀 算法（19题）🍀 计算机网络（71题）🍀 Node.js（27题）🍀 TypeScript（46题）🍀性能优化（25题）🍀 前端安全（21题）🍀 小程序（9题）🍀 ES6（32题）🍀 编程题（50题）🍀 设计模式（7题）🍀 前端工程化（34题）还有最新的场景题项目题集等，助小伙伴们都能顺利上岸！

更惨的是讨厌的人有offer   找工作真的太看运气了

一面： 40min问实习，然后一些八股1.线程池有哪些2.线程池参数怎么设置3.有没有遇到jvm问题4.实习的服务用的什么垃圾回收器，回收流程是啥5.java锁有哪些，区别6.重入怎么实现7.间隙锁是啥，什么时候会用到8.mysql存时间，有哪些类型，区别9.mysql索引优化策略算法题一道123456单链表，转成162534二面：55min问实习40m，问的很深入，强度挺大的算法题一道：合并三个有序列表三面：30min全程问实习，发散一些八股1.问实习的表里有哪些字段，字段含义2.表里1000w行数据，mysql innodb索引大概几层3.3层和4层性能差距有多大4.mysql索引优化，慢查询，索引优化有什么注意点5.索引下推原理6.联合索引在b+树怎么存的7.mq怎么保证不丢数据8.jdk动态代理原理9.最早啥时候能来实习

1.实习介绍2.简历拷打3.除了MMOE还用过其他的方案吗？cgc或者ple有尝试过吗？4.如何解决mmoe输出特征一样，专家的参数最终会趋于一致的现象？在网络参数随机初始化的情况下，不会发生问题中提到的问题。核心原因在于数据存在multi-view，只要每一个expert网络参数初始化是不一样的，就会导致每一个expert学到数据中不同的view。5.多任务loss调整中回归损失会主导训练任务是怎么处理的？在我的场景中是采用包序累积多分类替代了回归，也可以通过映射label上界或者禁止回传的方法，都试过。6.transformer的参数量是多少？层数（L）：Encoder/Decoder 的堆叠层数注意力头数（H）：多头注意力 的并行任务数隐藏层大小（D）：特征向量的维度序列长度（T）：输入/输出的最大 token 数 公式：总参数量 ≈ L×(4D^2+2D×H×T)7.介绍一下encoder和decoder？Encoder（编码器）作用：将输入序列（如文本）转换为上下文相关的表示向量。Decoder（解码器）作用：根据编码器输出生成目标序列（如翻译或回答）。8.在你场景中用的是二阶段的训练如何调整成一阶段的？代码 给一个整数数组a，对a中的相邻整数进行浮点除法，如a=[2,3,4]，即为2/3/4 在任意位置添加任意数目的括号，来改变算数的优先级，使得值最大，输出表达式