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
5903
图注意力网络 GAT 如何学习并使用邻居权重？
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
2
份题集
图注意力网络 GAT 如何学习并使用邻居权重？的复习状态
未标记
待复习
已掌握
5904
图自编码器如何学习潜在表示并重建图结构？
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
图自编码器如何学习潜在表示并重建图结构？的复习状态
未标记
待复习
已掌握
5905
图生成网络如何生成节点、边与图拓扑？
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
图生成网络如何生成节点、边与图拓扑？的复习状态
未标记
待复习
已掌握
5906
时空图神经网络如何联合建模图结构依赖与时间变化？
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
时空图神经网络如何联合建模图结构依赖与时间变化？的复习状态
未标记
待复习
已掌握
5907
图卷积为什么使用度归一化，如何理解对称归一化邻接矩阵？
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
深入
暂无面经
1
份题集
图卷积为什么使用度归一化，如何理解对称归一化邻接矩阵？的复习状态
未标记
待复习
已掌握
5908
GAT 的静态注意力有什么表达限制，GATv2 等方法如何改进？
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
深入
暂无面经
1
份题集
GAT 的静态注意力有什么表达限制，GATv2 等方法如何改进？的复习状态
未标记
待复习
已掌握
5911
什么是独热编码，有哪些优点、代价与适用条件？
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
基础
暂无面经
1
份题集
什么是独热编码，有哪些优点、代价与适用条件？的复习状态
未标记
待复习
已掌握
5912
经典机器学习算法与思想在生成式 AI 和 Agent 系统中如何继续发挥作用？
模型基础与推理
机器学习与推荐系统
开放讨论
已有答案
面前必看
—
暂无面经
3
份题集
经典机器学习算法与思想在生成式 AI 和 Agent 系统中如何继续发挥作用？的复习状态
未标记
待复习
已掌握
5915
单层感知机为什么不能表示异或，多层网络如何解决？
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
2
份题集
单层感知机为什么不能表示异或，多层网络如何解决？的复习状态
未标记
待复习
已掌握
5916
模型的表达能力、拟合能力与泛化能力有什么区别和联系？
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
基础
暂无面经
1
份题集
模型的表达能力、拟合能力与泛化能力有什么区别和联系？的复习状态
未标记
待复习
已掌握
5903
图注意力网络 GAT 如何学习并使用邻居权重？
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
2
份题集
图注意力网络 GAT 如何学习并使用邻居权重？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 741–750 道
上一页
1
…
74
75
76
…
107
75 / 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。