电商行业面试题 · tech:pytorch
电商行业相关面试题，按题目行业基础数据聚合。
共 10617 道真题 · 当前筛选命中 29 道 · 更新 2026-08-05
筛选题目已选：tech:pytorch
考察点
技术栈
第 1 题请写出Self-Attention的公式，并给出其代码实现。 考察对Transformer核心注意力机制的数学原理与工程实现能力第 2 题谈谈你对AI技术栈和框架的了解，以及你对AI未来发展方向的想法。 考察AI技术认知、学习深度与前瞻思考第 3 题请介绍二元交叉熵损失函数 BCELoss 的计算公式及其含义。 考察对分类损失函数数学原理的理解第 4 题手写双塔模型的损失函数（Batch内负采样实现） 考察双塔模型Batch内负采样损失的实现能力与理解第 5 题实现多头注意力机制(torch或者numpy) 考察对多头注意力机制原理的理解和代码实现能力第 6 题请介绍大模型分布式训练中常见的通信协议及其作用。 考察对分布式训练通信方式的理解，涵盖集合通信和点对点通信第 7 题请实现多头注意力机制。 考察对多头注意力机制的理解与代码实现能力第 8 题tensor.detach()和tensor.item()有哪些区别，分别对应什么使用场景？ 考察对PyTorch张量操作语义和梯度传播机制的理解第 9 题分类任务一般选用什么损失函数？请实现交叉熵损失。 考察分类损失函数选型与交叉熵的编码实现第 10 题在SFT训练中，如何确保只对指定部分（如响应）计算loss？ 考察对训练实现中loss掩码机制的理解第 11 题训练大模型的框架都有哪些呢？ 考察对深度学习框架及其在大模型训练场景中的适用性的了解第 12 题请解释梯度检查点（gradient checkpointing）的原理。 考察对显存优化技术原理和实现机制的理解第 13 题请介绍RLHF的整体流程，并说明PPO与DPO的核心思想，写出两者的Loss表达式。 考察强化学习与人类反馈对齐算法的原理理解和公式掌握第 14 题请写出 GRPO 的优化目标函数，并解释其各组成部分的作用。 考察对 GRPO 目标函数构成与数学表达的掌握第 15 题分布式训练中有哪些并行策略？ 考察对分布式训练并行维度的理解与选型能力第 16 题torchrun 在分布式训练中的用途是什么？请说明其核心功能和典型使用场景。 考察对分布式训练启动工具的理解，包括进程管理和初始化机制第 17 题GRPO 与 PPO 在强化学习算法设计上的主要区别有哪些？ 考察对 GRPO 与 PPO 核心机制差异的理解第 18 题请说明DeepSpeed ZeRO Stage 1、2、3之间的区别，以及在何种场景下更适合使用PyTorch FSDP。 考察对分布式训练显存优化技术的理解与选型能力第 19 题请手写并解释多头注意力（Multi-Head Attention）机制的代码实现。 考察多头注意力的实现细节与原理理解第 20 题请解释人工智能框架的定义及其在AI开发中的作用，并列举两个主流框架。 考察对AI框架基本概念与生态的认知