返回全部题目← 上一题42 / 67下一题 →题库/模型基础与推理/Q-4846手写用于因果语言建模的 Transformer Decoder。知识专题：Transformer 与注意力题目类型：代码题技术难度：进阶收录题集：4 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集4 份编码题专题汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →【Transformer、伪代码｜L2】写出伪代码 用abc 预测第四个token 告诉了我特征维度 头个数。 「京东」深度学习基础汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →【Transformer Decoder实现】手撕：实现一个Transformer Decoder。 「字节Seed」京东高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →写出伪代码用abc 预测第四个token 告诉了我特征维度头个数大模型手写代码题Chaofa Yuan · AI-Interview-Code · 1 条原题查看题集 →手写 Transformer Decoder（Causal Language Model, LM）相关题目4 题0036Transformer 中的 Attention 如何计算？同一知识专题题目类型：原理机制技术难度：进阶相关面经：18 篇0268Self-Attention 为何利于并行训练，与 RNN 相比有哪些局限？同一知识专题题目类型：比较选型技术难度：进阶相关面经：2 篇0572Self-Attention 为什么需要 Scaling？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0575手写 Multi-Head Attention。同一知识专题题目类型：代码题技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题手写 Grouped-Query Attention（GQA）。下一题 →Attention 相比传统 Seq2Seq 的固定向量编码解决了什么问题？
