金融行业面试题 · 技术原理 · tech:transformer
金融行业相关面试题，按题目行业基础数据聚合。
共 8448 道真题 · 当前筛选命中 41 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:transformer
考察点
技术栈
第 21 题请介绍 Transformer 的整体架构。 考察对 Transformer 核心组件及整体数据流的理解第 22 题请讲解Transformer的基本原理。 考察对Transformer架构核心组件的理解和原理掌握第 23 题请介绍Transformer的核心原理，包括其主要组件和工作流程。 考察对Transformer架构的整体理解与关键组件作用的掌握第 24 题请介绍ChatGLM模型的整体架构及其关键设计特点。 考察对大语言模型架构原理的理解与表达能力第 25 题Prefix LM与Causal LM区别? 考察对两种语言模型架构及其训练目标差异的理解第 26 题Transformer每个结构的作用分别是什么？请分别说明多头注意力、归一化、残差连接和全连接层的作用。 考察对Transformer核心组件的理解深度与原理掌握第 27 题你了解 ChatGPT 背后的技术框架吗？ 考察对大型语言模型技术栈和关键组件的理解第 28 题请介绍几种常见的位置编码方式及其特点。 考察对Transformer位置编码技术的理解与比较第 29 题Self attention的公式是什么，为什么要除以sqrt？ 考察Transformer自注意力机制的计算细节与数值稳定性理解第 30 题介绍一下 T5 模型，并说明它与 GPT 系列模型的区别和联系。 考察对预训练语言模型架构、训练目标和任务统一方式的理解第 31 题请解释Transformer中多头注意力机制的「多头」具体指什么，以及它解决了什么问题。 考察对多头注意力机制设计动机与作用的深入理解第 32 题请介绍LLaMA模型的整体结构，并说明你在实际部署或训练时使用的模型规模及硬件配置。 考察对LLaMA架构的理解以及模型部署和训练的实际经验第 33 题请谈谈你对大模型底层逻辑的理解。 考察对大模型基本原理和技术细节的掌握程度第 34 题请介绍MLP、CNN、RNN和Transformer各自的优缺点。 考察对主流深度学习模型架构的理解与对比能力第 35 题请说明 Transformer 在深度学习中的作用及其核心思想。 考察对 Transformer 架构基本原理和用途的理解第 36 题请列举主流大语言模型（LLM）的架构类型，并简要说明各自的特点。 考察对LLM架构演进的系统性了解第 37 题讲讲BERT和GPT的区别 考察对两类主流预训练语言模型架构与训练目标的理解第 38 题BatchNorm和LayerNorm在做法和应用上有什么区别？在Transformer中为什么常用LayerNorm？ 考察对归一化方法原理的辨析及其在序列模型中的适用性第 39 题注意力机制在 Transformer 中发挥什么作用？ 考察对注意力机制原理及其在架构中作用的理解第 40 题请写出Transformer中自注意力的表达式，并解释为什么要除以√dk。 考察对注意力机制数学原理和数值稳定性设计的理解