自我介绍问学校、为什么考研？以后的职业发展？神经网络初始参数能不能全设成0，为什么？只有一层的神经网络也不能吗？写一下0、1分类问题的损失函数为什么不能用MSE？手推MSE梯度计算回传了解transformer吗？介绍一下Encoder与decoder的中Attention区别？Attention如何计算？为什么除以根号下Dk？mask attention是如何实现的？为什么要用位置编码？为什么要用sin_cos？介绍一下你做的最好的项目？项目的背景，动机？ 你觉得哪里能进行优化？时间效率上？整体效果上？code:best_k，时间复杂度要求O(n), 空间复杂度能做到O（1）吗？