消费品/零售行业面试题 · 技术原理 · tech:transformer
消费品/零售行业相关面试题，按题目行业基础数据聚合。
共 11293 道真题 · 当前筛选命中 28 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:transformer
考察点
技术栈
第 1 题请介绍 Transformer 模型的核心机制和它相比 CNN、RNN 的优势。 考察对自注意力机制和Transformer架构优势的理解第 2 题请介绍Transformer中的Attention机制，并解释为什么在计算中要除以sqrt(dk)。 考察对Transformer核心机制的原理理解与设计动机第 3 题除标准多头注意力（MHA）之外，你还了解哪些注意力机制的变体，比如GQA、MQA？它们各自解决了什么问题，分别适用于什么场景？ 考察对注意力机制演进脉络的理解及对计算与效果权衡的把握第 4 题MHA、GQA、MQA三种注意力机制的区别是什么？ 考察对注意力机制效率优化演进的理解第 5 题Transformer中QKV是怎么得到的？ 考察对Transformer自注意力机制中QKV生成原理的理解第 6 题请谈谈你对计算机视觉领域的理解，包括主要研究方向和应用场景。 考察计算机视觉基础认知与知识广度第 7 题Baichuan和Qwen系列模型在设计上有哪些主要区别？ 考察对大模型家族技术路线和控制点的理解第 8 题请介绍Transformer的结构及其背后的数学原理。 考察对Transformer架构细节和数学基础的系统性理解第 9 题请介绍Transformer的整体结构，并说明其中关键组件的作用。 考察对Transformer架构及其核心机制的理解第 10 题请谈谈你对当前主流自动驾驶技术路线和关键挑战的理解，并结合你对汽车行业的观察说明。 考察对自动驾驶技术原理、行业现状及关键挑战的理解深度第 11 题多头注意力机制怎么实现？ 考察对多头注意力机制的原理理解和实现细节掌握第 12 题为什么ResNet没有像Transformer那样不断堆参数规模？ 考察对模型架构演进、深度学习趋势及两者差异的理解第 13 题谈谈你对ChatGPT本身的理解，包括它的工作原理和核心能力。 考察对ChatGPT技术原理、能力边界和局限性的理解第 14 题Transformer的流程,和CNN的区别 考察对Transformer架构流程的理解及与CNN的对比第 15 题为什么要做多头自注意力机制？ 考察对多头注意力设计动机和收益的理解第 16 题请介绍一下 BERT 的模型原理和核心特点。 考察对 BERT 预训练模型架构、训练任务及关键机制的理解第 17 题请手动实现多头注意力机制（MHA）的核心代码。 考察对Transformer多头注意力机制的深入理解与编码实现能力第 18 题对BERT、GPT这样的模型有什么了解？ 考察对预训练语言模型基本架构、训练方式和演进脉络的理解第 19 题注意力公式中为什么要除以根号d？ 考察对自注意力机制缩放因子原理的理解第 20 题请解释多头注意力机制的原理和机制。 考察对多头注意力机制核心原理和实现机制的理解