职位题库

AI算法工程师面试题库

面向AI算法工程师相关面试,围绕深度学习、Transformer、自我介绍、自回归生成、PCA等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

31 道题目建议用时 93 分钟专项面试练习

全部题目 31 道题

25

当面试官认真倾听并给出正向反馈时,你会如何利用这种氛围深入展示自己的思考?

考察候选人能否在友好面试氛围中主动推进讨论深度,而不是被动等待提问。
26

请说明自注意力层在输入序列长度为 n、每个 token 为 d 维时,注意力得分矩阵的计算复杂度,并解释复杂度来源。

考察对自注意力计算过程与复杂度推导的掌握,能否从矩阵形状和点积次数解释复杂度。
27

卷积神经网络中池化层的主要作用是什么?请与激活函数、卷积层、归一化层的职责区分开。

考察对 CNN 各层职责的基本理解,尤其是池化层在空间维度压缩和计算量控制上的作用。
28

关于主成分分析(PCA)降维,哪些说法正确?请说明 PCA 的监督性质、优化目标以及对量纲的敏感性。

考察对 PCA 基本性质的理解,包括无监督属性、方差最大化目标、主成分线性组合以及标准化必要性。
29

评测大模型数学解题能力时,面对约 5200 道带唯一标准答案的中学数学题,最常用的评测指标是什么?为什么不是困惑度?

考察能否根据任务特点选择合适的评测指标,并理解准确率与困惑度衡量对象的差异。
30

Transformer 解码器自注意力中的因果掩码主要解决什么问题?它与 padding mask 有什么区别?

考察对解码器自注意力中掩码机制的理解,能否区分因果掩码与 padding mask 的不同用途。
31

请解释 INT4 权重量化在推理部署中如何与计算配合,并说明反量化算子融合与 KV Cache 低比特化的作用。

考察对权重量化、反量化融合、KV Cache 量化及激活量化加速条件的理解深度。
返回面试题库