电子/半导体行业面试题 · 技术选型 · tech:transformer
电子/半导体行业相关面试题，按题目行业基础数据聚合。
共 19445 道真题 · 当前筛选命中 14 道 · 更新 2026-08-05
筛选题目已选：技术选型 · tech:transformer
考察点
技术栈
第 1 题请比较 GPT 与 ELMo 这两类预训练模型在架构和表征方式上的主要区别。 考察对预训练模型历史发展与表征范式的理解第 2 题请介绍DETR目标检测模型的核心原理，说明其与经典两阶段或单阶段检测器的主要区别及优劣。 考察对DETR基于Transformer的端到端目标检测范式的理解第 3 题你使用的是什么Embedding模型结构？它的输出向量维度是多少？ 考察候选人对Embedding模型结构与向量维度等基础技术细节的理解第 4 题ViT需要Transformer的encoder和decoder吗？ 考察对ViT架构中Transformer组件的理解，特别是编码器与解码器的角色差异第 5 题请谈谈你对Transformer模型的理解，以及它与CNN、LSTM的主要区别。 考察对Transformer架构核心机制的掌握及其与经典模型差异的理解第 6 题请详细介绍一下Transformer的整体结构及其核心组件的作用。 考察对Transformer架构各组成部分的理解及其设计动机第 7 题对比LSTM与Transformer在建模长序列时的差异。 考察对两种序列建模方案的权衡理解第 8 题请比较Transformer和Vision Transformer（ViT）在结构上的主要差异，并说明ViT如何处理图像输入。 考察对Transformer和Vision Transformer结构原理的理解与对比能力第 9 题Transformer架构的目标检测有哪些？ 考察对基于Transformer的目标检测模型发展的了解与对比能力第 10 题请介绍你熟悉的一种最新文本识别算法或模型，并说明其技术特点和适用场景。 考察对文本识别技术前沿的了解深度与实际应用能力第 11 题请比较LSTM与Transformer的优缺点，并说明各自适用的场景。 考察对循环神经网络与注意力机制架构的深入理解及场景适配能力第 12 题Transformer和CNN、ViT的区别和关系是什么？ 考察对主流视觉与序列模型架构原理及演进关系的理解第 13 题请谈谈你对NLP前沿算法的了解，并选取其中一两个说明其核心思想和应用场景。 考察对NLP领域最新进展的知识广度与深度理解第 14 题请介绍BEVFormer的核心设计思路和关键细节。 考察对BEVFormer结构、跨模态融合与Transformer机制的深入理解