后端岗位面试题 · 方案权衡 · tech:transformer
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 18 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:transformer
考察点
技术栈
第 1 题CNN和Transformer有什么区别？ 考察对两类主流神经网络架构在原理、适用场景和差异上的理解第 2 题Transformer相对于其他网络的优点和缺点是什么？ 考察对Transformer架构特性的全面理解与对比分析能力第 3 题请介绍Vision Transformer（ViT）的基本原理和主要流程。 考察对ViT模型结构与核心机制的理解第 4 题Transformer和CNN有什么不同？ 考察对两种主流网络架构的机制理解与适用场景辨析第 5 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 6 题Transformer 相比传统 RNN/LSTM 有哪些优势？ 考察对 Transformer 架构核心特性的理解与对比能力第 7 题既然decoder-only架构已经可行，为什么还需要encoder？ 考察对Transformer架构各组件作用及不同任务场景下架构选择的理解第 8 题请介绍Transformer的原理，并说明相比RNN和CNN的主要优势。 考察对Transformer核心机制的理解及其相对于传统序列模型的优势第 9 题为什么在文本任务（如Transformer/BERT）中通常选择Layer Normalization（LN）而不是Batch Normalization（BN）？ 考察对文本与图像数据特性差异对归一化选择影响的理解第 10 题在Transformer的注意力机制中，为什么要将点积结果除以根号d（d为键向量的维度）？ 考察对注意力机制缩放因子设计的理解及数学直觉第 11 题DETR 是如何在不用 NMS 的情况下保证一个目标附近只生成一个检测框的？ 考察对 DETR 目标检测机制与去重原理的理解第 12 题DeepSeek 和 ChatGPT 在技术原理上有哪些主要区别？ 考察对两大主流大模型架构、训练策略及产品定位差异的理解第 13 题请解释 Transformer 的核心原理，并说明它为什么能取代 RNN 成为主流模型。 考察对 Transformer 架构的深入理解及技术演进认知第 14 题相比 CNN 和 RNN，Transformer 结构有哪些优势？请说明核心原因。 考察对 Transformer 架构优势及其内在机制的理解第 15 题ChatGPT 基于 GPU 对话模型，其安全对齐（如 RLHF）在原理上是如何实现的？ 考察对 RLHF 和模型对齐技术链条的理解第 16 题为什么主流大语言模型选择Decoder-only架构？ 考察对Transformer架构差异及大模型训练目标的理解第 17 题请介绍你的项目或研究中是否使用过 Transformer 相关的目标检测或行人分析技术，具体是怎么应用的？ 考察对 Transformer 在视觉任务中应用的理解及项目结合能力第 18 题Transformer位置编码的原理是什么？有哪些常见的改进方案？ 考察对Transformer位置编码机制的理解及对改进方法的掌握