平安科技高频面试题题集来源：Rocky Ding（WeThinkIn）收录项目：AIGC-Interview-Book查看原题集 题目目录9 道原题隐藏关联题目排序默认排序面经最多01大模型有哪些可选参数？原题 关联题目模型参数与超参数有什么区别？模型基础与推理 / 机器学习与推荐系统概念解释基础0篇相关面经关联题目Temperature、Top-k 和 Top-p 怎样影响模型采样？已有答案模型基础与推理 / 推理与解码原理机制进阶7篇相关面经02Transformer的mask是如何操作的？原题 关联题目Decoder 自注意力为什么需要因果掩码，具体如何实现？模型基础与推理 / Transformer 与注意力原理机制进阶0篇相关面经关联题目Attention 中如何屏蔽 Padding 位置，为什么应在 Softmax 前处理？模型基础与推理 / Transformer 与注意力原理机制基础0篇相关面经03Self attention的公式是什么，为什么要除以sqrt原题 关联题目Attention 为什么除以根号 d_k，不这样缩放还有什么替代方案？模型基础与推理 / Transformer 与注意力原理机制进阶1篇相关面经04Temperature的大小如何影响分布？原题 关联题目Temperature 如何影响 Token 概率分布与生成结果？模型基础与推理 / 推理与解码原理机制基础0篇相关面经05Attention的复杂度是多少?原题 关联题目Self-Attention 的时间复杂度是多少，如何推导？模型基础与推理 / Transformer 与注意力原理机制进阶1篇相关面经06什么情况下，MAP的损失函数可以用NMSE来计算？原题 来源未说明 NMSE 的归一化分母。关联题目MLE 与 MAP 如何估计参数，先验和数据量怎样影响结果？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经07MAP（最大后验概率）和似然函数有什么关系？原题 关联题目MLE 与 MAP 如何估计参数，先验和数据量怎样影响结果？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经08vector扩容方法是什么？原题 关联题目C++ vector 如何扩容，容量变化对复杂度与引用有效性有什么影响？软件工程基础 / C/C++、Go 与编译原理机制基础0篇相关面经09智能指针、虚函数？原题 关联题目C++ 指针和智能指针是什么？软件工程基础 / C/C++、Go 与编译原理机制进阶1篇相关面经关联题目虚函数表如何支持多态？软件工程基础 / C/C++、Go 与编译原理机制进阶2篇相关面经暂无题目共 9 道原题 · 显示 1–9 道上一页11 / 1下一页