作业帮面试题 · Transformer
作业帮相关面试题，按最终去重题目聚合。
共 1635 道真题 · 当前筛选命中 17 道 · 更新 2026-08-05
筛选题目已选：Transformer
考察点
技术栈
第 1 题Transformer中Encoder和Decoder的区别和联系，以及如果单独分开使用的话，各自的优缺点是什么？ 考察对Transformer架构的理解、模块职责划分及独立使用的适用场景分析第 2 题了解过之前的NLP技术吗？BERT是怎么样的，跟大模型相比的优势是什么？ 考察BERT技术理解及与LLM对比的认知深度第 3 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 4 题详细介绍一下Transformer的结构？ 考察对Transformer核心组件、设计原理和整体架构的理解第 5 题请分析 Decoder-only 文本模型的结构特点，并说明其参数量主要由哪些部分组成。 考察对 Decoder-only 架构的理解及参数量估算能力第 6 题如何理解多模态技术，并结合实际场景说明它的应用与挑战？ 考察对多模态概念的理解深度、实际应用认知和工程挑战识别第 7 题为什么 Transformer 的注意力分数要除以根号 dk？ 考察注意力机制数学设计的直觉与稳定性理解第 8 题Transformer、CNN、LSTM的区别 考察对三种主流神经网络结构原理、适用场景和优缺点的理解第 9 题请介绍Transformer的核心结构组成，并解释其关键设计意图。 考察对Transformer架构原理的深入理解。第 10 题Transformer和LSTM推理的过程有什么差异？ 考察对两种架构推理阶段计算特性与自回归生成机制的理解第 11 题请简述BERT的架构、输入表示、训练流程和位置编码方式。 考察对BERT模型核心组件的理解与系统性表达第 12 题Transformer中Encoder和Decoder的注意力机制分别是什么？Decoder中的注意力机制能否称为Self-Attention？ 考察Transformer架构中注意力机制的类型区分与原理理解第 13 题在典型Transformer模型中，Attention模块和MLP模块的参数规模通常哪个更大？请说明原因。 考察对Transformer结构参数分布的准确理解第 14 题为什么需要位置编码？一个好的位置编码应具备哪些特性？请介绍主流的位置编码方法及其设计思路。 考察对Transformer位置编码必要性、设计原则及主流方案的掌握第 15 题请解释 Encoder、Decoder 和 Decoder-only 架构的区别。 考察对 Transformer 三种主要架构形态及其适用场景的理解第 16 题请解释Transformer中的位置编码的作用和实现方式。 考察对Transformer位置编码原理的理解及其在序列建模中的必要性第 17 题请分析Transformer前向推理时Attention模块的计算量与时间复杂度。 考察对Transformer中自注意力计算复杂度与推理阶段计算特性的理解