深度学习基础汇编
【SENet】SENet如何增强特征？请解释其工作原理，并说明是否观察过SENet的结果？ 「京东、阿里巴巴」
原题手写2D卷积的实现过程（不能用API，要写滑窗逻辑）。
手撕torch系列：ResNet（深度残差网络）原理及代码实现（基于Pytorch）。
原题完整原题
【卷积实现与ResNet】手写2D卷积的实现过程（不能用API，要写滑窗逻辑）。手撕torch系列：ResNet（深度残差网络）原理及代码实现（基于Pytorch）。 「字节跳动、腾讯」
LSTM的结构、解决的问题及与GRU的区别。
LSTM如何通过门控机制（遗忘门、输入门、输出门）和细胞状态解决RNN梯度消失问题？
GRU相比LSTM的简化结构（重置门、更新门）及两者在参数量、计算效率、性能上的差异。
RNN梯度消失的原因（激活函数导数小于1、时间步长导致连乘效应）及LSTM/GRU的缓解原理。
原题完整原题
【LSTM与GRU对比】LSTM的结构、解决的问题及与GRU的区别。具体包括：1. LSTM如何通过门控机制（遗忘门、输入门、输出门）和细胞状态解决RNN梯度消失问题？2. GRU相比LSTM的简化结构（重置门、更新门）及两者在参数量、计算效率、性能上的差异。3. RNN梯度消失的原因（激活函数导数小于1、时间步长导致连乘效应）及LSTM/GRU的缓解原理。 「百度、美团」
【序列建模方法】常见的序列建模方式有哪些？包括但不限于：RNN、LSTM、GRU、双向RNN、注意力机制、Transformer、CNN（如TCN）、图神经网络（如用于序列的GNN）等，并简要说明各自特点。 「阿里通义」
原题【LSTM离散特征处理】LSTM离散特征处理：项目中LSTM如何处理离散特征（如嵌入层、one-hot编码、特征工程等）。 「美团」
原题【双向RNN实现】双向RNN实现：BiGRU的结构，双向过程的具体实现（前向和后向隐藏状态拼接），以及双向与重建过程的区别。 「京东」
原题“双向与重建过程”未给重建任务，双向状态组合可识别，比较对象的细节另保留缺口。
序列建模与时间理解机制：
包括LSTM与Transformer的区别；
长期短期记忆机制（如何实现短期、中期、长期记忆）；
解决序列时序问题的方法；
除LSTM外其他序列建模方法（如GRU、Transformer、TCN等）；
模型如何理解时间（位置编码、时间步、门控机制等）。
原题完整原题
【序列建模与时间理解】序列建模与时间理解机制：包括LSTM与Transformer的区别；长期短期记忆机制（如何实现短期、中期、长期记忆）；解决序列时序问题的方法；除LSTM外其他序列建模方法（如GRU、Transformer、TCN等）；模型如何理解时间（位置编码、时间步、门控机制等）。 「京东、字节跳动、百度」
simtwintwinv2 未给出可定位的论文或模型。
时序预测和Transformer怎么结合？
长序列建模知道哪些simtwintwinv2？
原题完整原题
【Transformer时序预测与长序列建模】1. 时序预测和Transformer怎么结合？2. 长序列建模知道哪些simtwintwinv2？ 「阿里巴巴」
decodelayer手撕 「阿里巴巴」
原题原题仅要求 Decoder 层实现，未明确是否包含 encoder 交叉注意力。
【Attention作用】attention机制可以带来什么作用？ 「腾讯」
原题
暂无题目