跳到主要内容
面试之前,先来面栈
题库
/
模型基础与推理
模型基础与推理
8
个专题 ·
179
道题
专题概览
题目列表
179
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
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
179
道题
开始复习
排序:
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
1747
Level-K 博弈模块如何与之前的模型串联?
模型基础与推理
模型选型与能力边界
项目深挖
已有答案
面前必看
进阶
1
篇面经
Level-K 博弈模块如何与之前的模型串联?的复习状态
未标记
待复习
已掌握
1748
Cross-Attention 中 Q、K、V 分别来自哪里?
模型基础与推理
Transformer 与注意力
原理机制
已有答案
面前必看
基础
1
篇面经
Cross-Attention 中 Q、K、V 分别来自哪里?的复习状态
未标记
待复习
已掌握
1845
如何看待自动驾驶从一段式、两段式向 VLA、VLM 的技术演进?
模型基础与推理
多模态与生成模型
开放讨论
已有答案
面前必看
—
1
篇面经
如何看待自动驾驶从一段式、两段式向 VLA、VLM 的技术演进?的复习状态
未标记
待复习
已掌握
1846
训练时图像分辨率不同,应该如何处理?
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
进阶
1
篇面经
训练时图像分辨率不同,应该如何处理?的复习状态
未标记
待复习
已掌握
1856
Diffusion 与 DDPM 的基本原理是什么?
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
进阶
1
篇面经
Diffusion 与 DDPM 的基本原理是什么?的复习状态
未标记
待复习
已掌握
1857
为什么自动驾驶轨迹生成尝试使用 Diffusion?
模型基础与推理
多模态与生成模型
比较选型
已有答案
面前必看
进阶
1
篇面经
为什么自动驾驶轨迹生成尝试使用 Diffusion?的复习状态
未标记
待复习
已掌握
1858
为什么轨迹生成任务需要较强的多模态能力?
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
进阶
1
篇面经
为什么轨迹生成任务需要较强的多模态能力?的复习状态
未标记
待复习
已掌握
1859
相较其他多模态轨迹生成方案,Diffusion 从数学建模上有什么优势?
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
1
篇面经
相较其他多模态轨迹生成方案,Diffusion 从数学建模上有什么优势?的复习状态
未标记
待复习
已掌握
1900
对 Transformer、微调和小模型等算法知识了解多少?
模型基础与推理
模型选型与能力边界
经历介绍
已有答案
面前必看
—
1
篇面经
对 Transformer、微调和小模型等算法知识了解多少?的复习状态
未标记
待复习
已掌握
1916
项目为什么采用多模型融合方案?
模型基础与推理
模型选型与能力边界
比较选型
已有答案
面前必看
进阶
1
篇面经
项目为什么采用多模型融合方案?的复习状态
未标记
待复习
已掌握
1747
Level-K 博弈模块如何与之前的模型串联?
模型基础与推理
模型选型与能力边界
项目深挖
已有答案
面前必看
进阶
1
篇面经
Level-K 博弈模块如何与之前的模型串联?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
179
道题 · 显示 61–70 道
上一页
1
…
6
7
8
…
18
7 / 18
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。