真面经，好答案。面试之前，先来面栈。

模型架构与表示

本分类共 8 个专题 · 1061 道题

已筛选

共 128 道题

排序：

4929
MoE 专家在训练中如何形成分工与专业化？
模型基础与推理模型架构与表示
原理机制
进阶
暂无面经2 份题集
4932
Word2Vec 等静态词向量与 BERT 上下文表示有什么区别？
模型基础与推理模型架构与表示
比较选型
进阶
暂无面经4 份题集
4934
ELMo 与 BERT 如何利用双向上下文，二者有什么区别？
模型基础与推理模型架构与表示
比较选型
进阶
暂无面经2 份题集
4936
BERT 的 MLM 与 Word2Vec 的 CBOW 在预测目标和上下文使用上有何异同？
模型基础与推理模型架构与表示
比较选型
进阶
暂无面经1 份题集
4939
BatchNorm 如何工作，有哪些优势和局限？
模型基础与推理模型架构与表示
原理机制
进阶
暂无面经11 份题集
5001
什么是机制可解释性，如何研究神经网络内部的计算机制？
模型基础与推理模型架构与表示
概念解释
进阶
暂无面经3 份题集
5203
大语言模型的“大”体现在哪些规模维度，规模与能力应如何区分？
模型基础与推理模型架构与表示
概念解释
基础
暂无面经2 份题集
5225
AttnRes、mHC 与门控残差如何改变跨层信息流，各有什么取舍？
模型基础与推理模型架构与表示
比较选型
深入
暂无面经1 份题集
5226
N-gram 嵌入如何增加模型容量，为什么训练损失下降未必带来下游收益？
模型基础与推理模型架构与表示
原理机制
深入
暂无面经1 份题集
5236
神经网络的深度与宽度分别是什么，有什么影响？
模型基础与推理模型架构与表示
概念解释
进阶
暂无面经6 份题集