qi每次检索可以获得2个分数，一个是kj块的分数，另一个是kj种每个key的分数，基于这2个分数相加得到一个二维逻辑查询表，从value中抽取出相应的向量进行加权求和。对于较小的模型（如 151M 参数模型），UltraMem 层被插入到 Transformer 的特定层之间，例如在第 3 层插入，得到的输出添加到第3层的输出和第 5 层的输入里面。当记忆表value的规模变得非常大时，查询向量在检索过程中会面临更高的难度，因为需要在庞大的候选集中找到最相关的值，这可能导致检索效率下降。

内部使用双向链表存储元素，每个节点包含一个指向下一个节点的引用和一个指向前一个节点的引用。接口的常用类，但它们在内部实现、性能特点和适用场景上有很大的区别。每个节点除了存储元素外，还需要存储前后节点的引用，因此内存占用相对较大。不支持快速随机访问，需要从头或尾遍历链表，时间复杂度为。在数组中间插入或删除元素需要移动大量元素，时间复杂度为。元素在内存中不是连续存储的，因此不支持快速随机访问。元素在内存中是连续存储的，因此支持快速的随机访问。，并且不需要频繁随机访问，推荐使用。适合频繁通过索引访问元素的场景。

用于多分类问题的输出。其本质是一种。

img-src 'self' data:：图片加载策略，可以引用同源图片；或使用data:URI来嵌入图片，这种URI模式允许将图片直接嵌入到html或css中，而不是通过外部链接引用。style-src 'self' 'unsafe-inline'：样式表加载策略，引入样式时，可以是同源的，或者使用行内样式；default-src 'self'：配置加载策略，默认引入外部资源时，只能是同源的；将以下代码粘贴进html的

标签内。解释一下上面代码中的属性含义。

密码：

用户名：

⭐️在反复复习面试题时，我发现不同资料的解释五花八门，容易造成概念混淆。尤其是很多总结性的文章和视频，要么冗长难记，要么过于简略，导致关键知识点含糊不清。⭐️为了系统梳理知识，我决定撰写一份面试指南，不只是简单汇总，而是融入个人理解，层层拆解复杂概念，构建完

生成Token的方法中，还得防止重复调登录接口，不停生成不同的Token，所以先判断数据库中是否存在键，所以保存token键到redis的同时要在redis中再增加一条用户ID为键Token为值的数据，可以验证该用户是否已经生成过token。Token使用用户id或账号+时间戳+UUID用MD5加密的一串字符串（不建议用其他数据，因为id或账号极少变更的，变更会增加复杂性）生成后存储到Redis，把Token当作键，用户数据当作值，并设置过期时间。设置一个拦截器，不校验登录接口，拦截其他接口。

使用DBeaver来连接到数据库，使用DBeaver构造ERD图，DBeaver格式化SQL

服务器系统：Ubuntu Server 18.04.2 64bit1 安装docker：1.1 在线安装1.2 离线安装1.2.1 解压。

插入操作将表中的记录以加工后的形式（工资增加 1000）插入到employees表；插入后，employees表新增两条记录。更新操作将employees表中Finance部门的工资增加 15%；更新后，id = 103的工资从 7000 增加到了 8050。删除操作删除了表中的记录对应的id在employees表的记录；删除操作后，employees表保持了现有的符合条件的记录。