人工智能面试题 · 问题拆解 · Transformer
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 180 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · Transformer
考察点
技术栈
第 61 题八股:Transformer Encoder 中 FFN 的作用是什么? 考察对 Transformer 前馈网络功能与设计原理的理解第 62 题请介绍智驾感知相关的关键知识点，并详细说明你看过的论文以及BEV感知的基础知识与代表性论文的技术细节。 考察对智驾感知知识体系的掌握深度与论文阅读的系统性第 63 题分析Transformer的空间复杂度 考察Transformer模型空间复杂度分析能力第 64 题请描述注意力机制的计算过程。 考察对注意力机制核心公式和步骤的理解第 65 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 66 题请设计一个基于Transformer的自回归模型，用前三个token（记作abc）预测第四个token。请写出伪代码，并说明特征维度、注意力头数等关键超参数如何选择。 考察Transformer自回归建模、伪代码表达能力与超参数设计第 67 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 68 题Transformer 为什么在大批量数据上表现更好？ 考察对 Transformer 模型结构、训练动态与数据规模关系的理解第 69 题请解释Transformer的基本架构，并说明其自注意力机制的工作方式。 考察对Transformer核心机制的理解第 70 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 71 题当前主流大语言模型通常采用什么整体架构？请简要说明其主要组成和关键特性。 考察对主流大模型架构（Transformer）的整体认知第 72 题假设让你用 BERT 或 Transformer 搭建一个文本分类模型，你会如何快速完成？请描述从准备到训练的关键步骤。 考察对预训练模型微调的流程熟悉度及工程实践能力第 73 题Transformer的计算复杂度主要由哪些因素构成？各模块复杂度分别是多少？ 考察对Transformer各组件复杂度来源的理解和量化分析能力第 74 题请介绍多模态大模型（如视觉-语言模型）的典型网络结构，并说明各模块的作用。 考察对多模态大模型架构组成及其职责的理解第 75 题Transformer 中 Encoder 与 Decoder 的自注意力机制有何区别？ 考察对 Transformer 注意力机制结构差异及训练阶段行为的理解第 76 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 77 题请分析Transformer架构的核心优势与局限性，并说明你关注过的其他序列建模架构及其与Transformer的对比。 考察对Transformer及替代架构的理解深度和比较分析能力第 78 题在Transformer的Decoder中，为什么需要Mask来遮住未来的信息？ 考察对自回归生成与注意力机制因果性的理解第 79 题请介绍 Transformer 的核心架构，并说明自注意力机制是如何工作的。 考察对 Transformer 架构与自注意力机制的理解深度第 80 题手写实现Transformer编码器中的多头注意力机制（MHA），并简要说明各步骤。 考察对Transformer编码器与多头注意力机制的理解及代码实现能力