人工智能面试题 · 问题拆解 · Transformer
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 180 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · Transformer
考察点
技术栈
第 121 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 122 题LLM中常用的激活函数有哪些？ 考察对主流大语言模型架构中激活函数选型的理解第 123 题自注意力机制是怎么计算的？其时间复杂度是多少？ 考察对自注意力机制原理和时间复杂度的理解第 124 题请说明 Transformer 中自注意力机制的核心原理，以及它与循环神经网络在处理长距离依赖上的差异。 考察对Transformer自注意力机制的理解及与RNN的对比能力第 125 题请解释自注意力机制的基本原理，并说明它相对于循环神经网络的优势。 考察对自注意力机制的理解及其在序列建模中的优势第 126 题请手写实现Transformer Decoder层，并说明如何实现mask机制以支持自回归生成。 考察对Transformer Decoder结构、自注意力mask和因果掩码的实现能力第 127 题请解释 Transformer 中 Attention 机制的作用。 考察对注意力机制核心思想与计算流程的理解第 128 题Transformer为什么需要位置编码？ 考察对Transformer架构原理及序列位置信息处理的理解第 129 题Transformer注意力机制的复杂度是多少？怎么计算？ 考察对注意力机制时间复杂度推导的理解第 130 题Transformer 中的 Q、K、V 分别是什么含义？ 考察对注意力机制核心概念的理解第 131 题自注意力机制中为什么要除以根号 dk？ 考察对自注意力缩放因子的数学原理与作用的理解第 132 题请说明注意力机制中参数量的构成以及计算量的主要来源。 考察对注意力机制结构与计算复杂度的理解第 133 题请解释BERT模型的核心原理。 考察对预训练语言模型架构和训练方式的理解第 134 题请解释Transformer中Attention机制的基本原理和作用。 考察对Attention机制核心概念的掌握第 135 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 136 题Transformer 架构中，Encoder 和 Decoder 有什么区别？ 考察对 Transformer 组件角色与工作机制的理解第 137 题请介绍 Transformer 的核心架构组成，并说明自注意力机制的原理。 考察对 Transformer 架构的理解深度与关键机制掌握第 138 题请解释Self-Attention机制的原理及其在Transformer中的作用。 考察对注意力机制核心思想与计算流程的理解第 139 题Transformer中Encoder和Decoder的注意力机制分别是什么？Decoder中的注意力机制能否称为Self-Attention？ 考察Transformer架构中注意力机制的类型区分与原理理解第 140 题Transformer中为什么缩放因子要除以根号dk？ 考察对注意力机制数值稳定性和原理的理解