这个问题，绝对是这两年新出现的，不知道大家什么时候开始做NLP的，我是22年的时候开始接触，那时候的NLP下面还有很多很多细分领域，就包括NER、RE这类知识抽取类工作，BERT几乎是我们绕不开的一个模型，如果说绕开了，用的也是类似RoBERTa这类改进模型。所以看到题目里的这个问题，很多人的第一反应是：还不是因为22年GPT一炮走红了，所以大家都跟着做。这个回答不能说错，但面试官通常不会继续追问，因为这说明你没有真正思考过这个问题。要把这个问题回答好，需要从历史演进和技术逻辑两个层面逐步拆解。（回答建议在文末）一、历史背景：2018年的分叉点先回到2018年。这一年NLP领域出现了两件标志性...

28届985本，科班，一直走的是本科就业的路子，学习Go后端，曾经还因为周围人卷保研而自己早已踏上了“正确的道路”而沾沾自喜。现在大二下，工程和算法能力还可以，但保研基本无望，也不想考研。愈发觉得自己所谓“正确的道路”可能并不是多么明智，AI以惊人的速度进化，一年之后或者两年之后，后端还存在吗？大部分的工作是否都和AI算法之类的强相关呢，但这又是一个需要研究生以上学历、需要卷论文的方向，本科就业者基本碰不到。自己的本科学历会不会在后端工作一两年就被“降本增效”了，或者是到了大三大四根本找不到对口的工作了？抱歉，可能我有点想到哪说到哪了，我不知道自己是不是在杞人忧天，现在有点迷茫，希望各位已经进入业界的大佬能够给我指条明路，谢谢！

家人们谁懂啊！最近疯狂赶AI面试，发现很多题真的是换汤不换药，反复被面试官追问，踩过坑才知道，这些题一定要提前准备，不然当场卡壳真的巨尴尬！先跟大家说句大实话，AI面试真的不是光会调包就行，面试官挖得巨深，尤其是基础原理和项目细节，基本上问两句就能看出你是真会还是混子。今天把我面过的高频题、踩过的坑，全部分享给你们，不管是面算法、大模型还是多模态，都能用得上，建议收藏起来，面试前狂背！首先是基础原理部分，这部分是必问的，也是最容易翻车的地方，我第一次面试就栽在这了，被问Transformer直接懵住，现在回想起来真的太亏了！面试官最爱问的就是Transformer结构，不是让你简单说“有编码器...