专业服务行业面试题 · 技术选型 · Transformer
专业服务行业相关面试题，按题目行业基础数据聚合。
共 27579 道真题 · 当前筛选命中 29 道 · 更新 2026-08-05
筛选题目已选：技术选型 · Transformer
考察点
技术栈
第 1 题你之前做CV方向，请谈谈CV和NLP的区别与联系，以及在Transformer大背景下，CV、NLP和语音等多模态能否实现大一统？ 考察跨领域认知、技术趋势理解和多模态统一架构的思考深度第 2 题为什么大模型会选择使用旋转位置编码？ 考察对旋转位置编码设计动机和实际优势的综合理解第 3 题跨模态对齐如何做的，你都了解哪些对齐方式？ 考察对跨模态对齐概念、常见对齐方法与实际应用的理解第 4 题请介绍几个你了解的大语言模型，并说明它们在模型结构上的主要差异。 考察对大模型技术谱系、结构差异与设计取舍的理解第 5 题请详细介绍一下Transformer的整体结构及其核心组件的作用。 考察对Transformer架构各组成部分的理解及其设计动机第 6 题你了解GPT这类大语言模型的基本原理吗？请介绍一下。 考察对Transformer架构、预训练与生成机制的理解第 7 题请介绍 BERT 模型的核心思想和主要技术特点。 考察对预训练语言模型原理与关键技术的理解第 8 题请介绍Transformer中的位置编码，并重点说明旋转位置编码（RoPE）的原理与作用。 考察对Transformer位置编码机制及RoPE设计的理解第 9 题在Transformer中为什么要使用位置编码？为什么常采用正弦余弦（sin/cos）函数形式？ 考察对Transformer位置信息建模原理及sin/cos编码设计动机的理解第 10 题请解释 Self-Attention、Cross-Attention 和 GQA（Grouped Query Attention）在 Transformer 中的作用与区别。 考察对 Transformer 注意力机制变体及原理的理解第 11 题请谈谈你对行人重识别算法的技术选型考虑，包括是否需要训练模型以及如何进行创新？ 考察对行人重识别技术方案的理解、模型训练必要性与创新路径第 12 题大模型常用的位置编码有哪些？各自的优缺点是什么？ 考察对位置编码机制的理解、对比与适用场景判断第 13 题讲解FT-Transformer原理 考察对特征嵌入与Transformer结合机制的理解第 14 题从原理角度，DeepSeek 在推理效率和成本控制上做了哪些优化？ 考察对大模型工程优化手段（如 MoE、量化、蒸馏）的理解第 15 题说一下大模型常用的位置编码有哪些，各有什么优缺点 考察对Transformer位置编码方案的原理理解与工程取舍第 16 题大模型训练和推理中常用的位置编码方案有哪些？请分别说明每种编码方式的优势、局限性及适用模型。 考察对位置编码原理、演进和适用场景的深入理解第 17 题GPT和BERT的区别 考察对两大预训练模型架构与任务范式差异的理解第 18 题请介绍Transformer模型的核心结构和原理，以及它相比传统RNN/LSTM的优势。 考察对Transformer架构、注意力机制及演进原因的理解第 19 题请介绍LLaMA的模型结构及其设计特点。 考察对LLaMA模型架构的理解及关键设计细节第 20 题介绍下Transformer在NLP和CV中的使用区别 考察对Transformer架构跨领域应用差异的理解