跳到主要内容
真面经,好答案。面试之前,先来面栈。
题库
/
模型基础与推理
模型基础与推理
本分类共
8
个专题 ·
1061
道题
专题概览
题目列表
1061
模型基础与推理面试题
继续复习
待复习
0
知识专题
知识专题
多模态与生成模型
机器学习与推荐系统
模型架构与表示
模型选型与能力边界
推理优化与模型压缩
推理与解码
Tokenizer 与位置编码
Transformer 与注意力
知识专题
知识专题
找到
8
个专题
知识专题
多模态与生成模型
机器学习与推荐系统
模型架构与表示
模型选型与能力边界
推理优化与模型压缩
推理与解码
Tokenizer 与位置编码
Transformer 与注意力
未找到匹配专题
问题类型
问题类型
比较选型
操作实践
代码题
方案设计
概念解释
故障排查
技术决策
经历介绍
开放讨论
系统设计
项目深挖
效果评估
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
1061
道题
开始复习
排序:
排序
面经最多
题集最多
题号降序
最近更新
题号
题目
技术难度
收录情况
复习状态
4762
用 PyTorch 从零实现 RMSNorm。
模型基础与推理
模型架构与表示
代码题
已有答案
面前必看
进阶
暂无面经
3
份题集
用 PyTorch 从零实现 RMSNorm。的复习状态
未标记
待复习
已掌握
4763
用分块与在线 Softmax 实现简化版 FlashAttention 前向计算。
模型基础与推理
推理优化与模型压缩
代码题
已有答案
面前必看
深入
暂无面经
3
份题集
用分块与在线 Softmax 实现简化版 FlashAttention 前向计算。的复习状态
未标记
待复习
已掌握
4767
如何设计和优化 VLM 的图文对齐损失函数?
模型基础与推理
多模态与生成模型
方案设计
已有答案
面前必看
深入
暂无面经
4
份题集
如何设计和优化 VLM 的图文对齐损失函数?的复习状态
未标记
待复习
已掌握
4768
如何推导 Softmax 对输入的梯度与 Jacobian?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
1
份题集
如何推导 Softmax 对输入的梯度与 Jacobian?的复习状态
未标记
待复习
已掌握
4769
如何推导 LayerNorm 的前向计算与反向传播公式?
模型基础与推理
模型架构与表示
原理机制
已有答案
面前必看
深入
暂无面经
4
份题集
如何推导 LayerNorm 的前向计算与反向传播公式?的复习状态
未标记
待复习
已掌握
4770
如何根据束宽、序列长度和词表大小推导 Beam Search 的时间复杂度?
模型基础与推理
推理与解码
原理机制
已有答案
面前必看
进阶
暂无面经
1
份题集
如何根据束宽、序列长度和词表大小推导 Beam Search 的时间复杂度?的复习状态
未标记
待复习
已掌握
4772
如何推导 CLIP 图文对比学习损失的梯度?
模型基础与推理
多模态与生成模型
原理机制
已有答案
面前必看
深入
暂无面经
1
份题集
如何推导 CLIP 图文对比学习损失的梯度?的复习状态
未标记
待复习
已掌握
4780
Qwen 1.0、2.0 与 2.5 的核心技术如何演进?
模型基础与推理
模型架构与表示
原理机制
已有答案
面前必看
进阶
暂无面经
3
份题集
Qwen 1.0、2.0 与 2.5 的核心技术如何演进?的复习状态
未标记
待复习
已掌握
4792
什么是基础模型,它如何改变 AI 应用的开发方式?
模型基础与推理
模型架构与表示
概念解释
已有答案
面前必看
基础
暂无面经
2
份题集
什么是基础模型,它如何改变 AI 应用的开发方式?的复习状态
未标记
待复习
已掌握
4793
BPE 分词如何学习合并规则并对文本编码?
模型基础与推理
Tokenizer 与位置编码
原理机制
已有答案
面前必看
进阶
暂无面经
2
份题集
BPE 分词如何学习合并规则并对文本编码?的复习状态
未标记
待复习
已掌握
4762
用 PyTorch 从零实现 RMSNorm。
模型基础与推理
模型架构与表示
代码题
已有答案
面前必看
进阶
暂无面经
3
份题集
用 PyTorch 从零实现 RMSNorm。的复习状态
未标记
待复习
已掌握
未找到相关题目
换个关键词,或清除筛选。
清除筛选
共
1061
道题 · 显示 281–290 道
上一页
1
…
28
29
30
…
107
29 / 107
下一页
启用 JavaScript 后可筛选和浏览完整题库;当前显示前 10 道题。