后端岗位面试题 · 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 93 道 · 更新 2026-08-05
筛选题目已选：tech:transformer
考察点
技术栈
第 81 题GPT底层具体是如何实现的？请从模型架构和训练角度讲一讲。 考察对GPT内部机制和工程实现的深入理解第 82 题请解释Transformer编码器和解码器的工作原理。 考察对Transformer模型核心架构、自注意力机制和训练/推理流程的理解第 83 题请介绍一下Transformer架构及其核心组成。 考察对Transformer架构核心机制的理解程度第 84 题目前市面上常用的大模型是什么架构的？ 考察对大模型主流架构、工作原理和发展脉络的理解第 85 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 86 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 87 题请介绍你对大模型（如 GPT、BERT 等）技术原理和业务应用的主要了解。 考察对大模型基础原理、能力边界及行业应用的理解深度第 88 题请解释自注意力机制的计算流程，以及查询、键、值的含义。 考察对自注意力机制原理的掌握第 89 题请说明BERT预训练的代码实现方式。 考察对BERT预训练原理及代码实现的掌握程度第 90 题Transformer默认采用哪种位置编码？请说明其思想并介绍相对位置编码。 考察位置编码的实现方式及对位置信息的建模理解第 91 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 92 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第 93 题从原理角度，DeepSeek 在推理效率和成本控制上做了哪些优化？ 考察对大模型工程优化手段（如 MoE、量化、蒸馏）的理解