美团面试题 · 问题拆解 · Transformer
美团相关面试题，按最终去重题目聚合。
共 3614 道真题 · 当前筛选命中 13 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · Transformer
考察点
技术栈
第 1 题请讲讲 Transformer 中的自注意力机制是如何工作的？ 考察对自注意力机制原理、计算流程和关键组成部分的理解第 2 题请手写实现一个 Transformer Encoder 的核心结构。 考察对 Transformer Encoder 的结构理解与代码实现能力第 3 题请介绍Transformer的整体结构，包括其主要模块与各自的作用。 考察对Transformer架构的全面理解与组件职责的掌握第 4 题请介绍Self-Attention机制的原理，以及它在大模型中的作用。 考察对注意力机制核心原理及其对模型能力贡献的理解第 5 题Qwen与传统的Transformer模型相比,有什么结构上的改进? 考察对大模型架构演进的理解及对比分析能力第 6 题请手写并讲解 Transformer Encoder 的核心实现，包括多头注意力、前馈网络、残差连接与层归一化。 考察对 Transformer Encoder 结构、注意力计算细节及实现的掌握程度第 7 题请详细讲解多头注意力机制，以及 Q/K/V 是如何计算的？ 考察对 Transformer 多头注意力机制原理与计算流程的理解第 8 题解码器的输出形状是什么，如何做自回归过程？ 考察对自回归生成流程和存储结构的理解第 9 题请详细讲解Transformer架构的整体工作流程，包括从输入到输出的主要步骤。 考察对Transformer整体流程的清晰理解与关键机制掌握第 10 题请介绍DIN的注意力池化机制，并说明它与Transformer的self-attention有什么区别。 考察对DIN注意力机制的理解及与Transformer的对比第 11 题请介绍BERT模型的结构和核心原理。 考察对预训练模型架构与训练机制的理解深度第 12 题Mask Attention是怎么做的？ 考察对Transformer中Masked Attention机制的理解，包括实现原理和不同应用场景第 13 题LLM和NLP有什么关系？ 考察对LLM与NLP学科基础和演进关系的理解