美团面试题 · Transformer
美团相关面试题，按最终去重题目聚合。
共 3614 道真题 · 当前筛选命中 56 道 · 更新 2026-08-05
筛选题目已选：Transformer
考察点
技术栈
第 21 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 22 题Transformer Decoder 的结构有哪些部分？ 考察对 Transformer Decoder 各组件及其作用的理解第 23 题请介绍Transformer结构。 考察对Transformer核心组件、设计动机和计算流程的理解第 24 题请详细解释 Transformer 解码器的结构及其工作原理。 考察对 Transformer 解码器核心机制的理解第 25 题Transformer 模型中是如何处理梯度爆炸和梯度消失的？ 考察对Transformer稳定训练机制的理解第 26 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 27 题请手写并讲解 Transformer Encoder 的核心实现，包括多头注意力、前馈网络、残差连接与层归一化。 考察对 Transformer Encoder 结构、注意力计算细节及实现的掌握程度第 28 题请解释 Decode-only 与 Encode-only 架构的区别，并说明各自的设计原因。 考察对自回归与编码器架构原理的理解及其设计动机第 29 题介绍Transformer的位置编码,为什么这么设计,为什么可以达到位置编码的效果,编码了相对位置还是绝对位置;介绍RoPE 考察位置编码原理、设计动机及RoPE的理解第 30 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 31 题请详细讲解多头注意力机制，以及 Q/K/V 是如何计算的？ 考察对 Transformer 多头注意力机制原理与计算流程的理解第 32 题请说明Transformer的基本结构，包括编码器和解码器的主要组成部分。 考察对Transformer整体架构的掌握。第 33 题解码器的输出形状是什么，如何做自回归过程？ 考察对自回归生成流程和存储结构的理解第 34 题请解释一下 BERT 的模型结构和原理。 考察对 BERT 架构、预训练任务和关键机制的理解深度第 35 题目前大模型模型结构都有哪些？ 考察对大模型主流网络结构的理解和分类能力第 36 题Transformer 中常见的位置编码方式有哪些？ 考察对位置编码技术方案的整体认知第 37 题请解释BERT模型的核心工作机制，并说明它相较于传统深度学习模型的主要优势。 考察对预训练语言模型原理的理解及与传统模型的对比能力第 38 题请介绍Transformer的整体架构及其关键组件的作用。 考察对Transformer架构核心组件及原理的理解第 39 题请详细解释Transformer解码器（Decoder）的结构和工作原理，包括与编码器的区别、关键组件及其作用。 考察对Transformer解码器组件细节的理解，包括自注意力、交叉注意力和前馈网络第 40 题Transformer和RNN在对话任务中的本质区别？为什么现在大模型都用Transformer？ 考察对序列建模核心机制的理解及架构选型原因