1. NLP实习笔面试到底在考什么先给还在海投的各位说句实在话NLP实习的面试已经不是当年“讲讲word2vec、背一下LSTM结构”就能过关的时代了。我刚带过的一个同学简历上写了两个项目笔试全A结果一面死在“为什么BERT用LayerNorm而不用BatchNorm”这种一句话能答、但答不透的问题上。这件事让我意识到很多人的准备方式还停留在“背八股”而面试官早就在用追问连环套来筛掉只会背答案的人。这份“NLP实习笔试面试题汇总二”就是冲着实战去的。我会把笔试和面试中真正高频的题型、考点、答题话术、手撕代码的套路全部拆开讲每一类题目都告诉你面试官为什么问、期望听到什么、哪些坑会送命。特别适合正在准备NLP方向实习、以及秋招想冲算法岗的同学也适合那些项目做完了但心里没底、不知道从哪开始复习的人。1.1 笔试、一面、二面的题型差异先说整体格局。NLP实习的考核链路一般是简历筛选 → 笔试/技术评估 → 一面基础项目→ 二面进阶场景设计→ HR面。很多人把精力全放在笔试刷题上结果一面被基础题打懵这是最亏的。笔试一般分三块。第一块是单选题和多选题内容覆盖机器学习基础、深度学习基础、NLP常识比如“下列哪个激活函数会导致梯度饱和”“softmax的数值稳定性问题”这类。第二块是编程题通常1到2道难度介于LeetCode中等和困难之间但有些公司会出NLP相关的手写实现题比如“用PyTorch实现一个Transformer Block”。第三块是简答题让你解释某个概念或者描述项目思路这部分最容易被低估。一面以基础题和项目深挖为主。基础题集中在词向量、Attention、BERT这类经典内容上面试官会从小问题开始不断往深处追问考察你是真的理解还是背的。二面则更看重系统设计能力和工程思维常见的题是“给你一个舆情分类需求从头设计一套方案”这时候光会模型不行还得会讲数据怎么来、怎么评估、上线后怎么迭代。HR面相对轻松但也会问项目动机、困难、协作方式这一环筛的是沟通和稳定性别在这里翻车。1.2 考察知识点地图与优先级结合我见过的几十份笔面试反馈NLP岗考察的知识点基本可以画成一张地图。知识点板块具体内容出现频率准备优先级数学基础概率、信息熵、条件熵、KL散度、矩阵运算高高主要用于理解模型机器学习基础损失函数、过拟合、正则化、评估指标、交叉验证高高深度学习基础反向传播、梯度消失/爆炸、激活函数、优化器高高词向量Word2Vec、GloVe、ELMo、共现矩阵极高极高语言模型n-gram、困惑度、自回归模型、GPT系列极高极高序列模型RNN、LSTM、GRU结构与计算中中Transformer时代会被弱化但仍可能考注意力与TransformerSelf-Attention公式、多头的意义、位置编码、LayerNorm极高极高预训练模型BERT、RoBERTa、ELECTRA、微调策略极高极高大模型前沿Prompt、LoRA、RLHF、KV Cache、幻觉中高高体现你的跟进能力工程与代码Python、PyTorch、数据处理、分词、评估管线高高优先级其实是按“投入产出比”来定的。Word2Vec和Transformer是必考的而且容易在笔试和一面同时出现值得花最多时间。大模型相关的题不会太深但能答出关键术语和基本原理会明显加分。2. 高频基础题与标准答法2.1 词向量三连问Word2Vec、GloVe与ELMo每次面试几乎都从这里开场。Word2Vec最常被问的不是“它是什么”而是“两个结构有什么区别”和“为什么一个词要保留两个向量”。Word2Vec有CBOW和Skip-gram两种结构。CBOW用上下文预测中心词适合小数据集、训练速度快Skip-gram用中心词预测上下文对大语料效果更好对生僻词更友好。负采样是另一个必考点它的思路是与其在整个词表上算softmax不如随机选几个负样本做二分类把“预测下一个词”变成“判断当前词对是不是共现的”这样计算量从词表大小降到了负样本数量级别。关于“一个词为什么要两个向量”很多人会漏掉这个细节。训练时每个词有输入向量和输出向量两套表示这是为了让softmax的计算天然区分“作为上下文”和“作为目标词”的角色训练完成后一般只保留输入向量输出向量直接丢弃。这是word2vec源码里的默认操作你要是能答出来面试官会认为你看过实现。再往深一点面试官会追问“Word2Vec和GloVe的区别”。Word2Vec是预测式的基于局部滑动窗口训出来的向量更擅长捕捉语义相似性但共现统计信息利用不够GloVe是计数式的直接对整个共现矩阵做分解把全局统计和局部预测结合训出来的词向量在线性类比任务上表现往往更好。还有一个冷知识GloVe的目标函数本质上是对“共现次数取对数后再做最小二乘回归”这一步如果把“出现0次”的词对考虑进去计算量会爆炸所以实际实现里只处理了共现次数大于0的词对。ELMo则是从“静态词向量”迈向“上下文词向量”的关键一步。它用双向LSTM在不同语境下给同一个词不同的向量。高频追问是“为什么ELMo的字向量是动态的但依然被BERT取代”回答要落到“LSTM长距离建模能力弱”和“BERT用的是Transformer并行度高、能捕捉更长依赖”。2.2 语言模型与困惑度从n-gram到GPT语言模型题面试官最爱用“困惑度PPL”来考察你是否真的理解模型输出。PPL的计算公式是对模型预测的每个token的log概率取平均再取负指数即 PPL exp(- (1/N) * Σ log P(w_i | w_i))。形象点说PPL可以理解为“模型在每个位置上平均有多少个候选词拿不准”PPL越低模型越自信。n-gram模型的经典问题是“平滑”因为“见过零次”的组合概率是0会让整个句子概率变成0所以要用加一平滑、Good-Turing平滑或者回退平滑。这块考得不多但有时候会以选择题形式出现记住“平滑的核心是给零概率分配一点概率”就行。到了GPT这类自回归模型考查点会转移到“为什么GPT能用统一的框架做生成、翻译、摘要等任务”。核心思路就是把所有任务都建模成“给定前文预测下一个token”而不同任务的区别只是输入序列的格式不同。这个思想在ChatGPT出现以后已经是常识但面试时你要能自己说出来。2.3 激活函数与归一化手写LayerNorm激活函数题基本是白送的我直接说三个高频的ReLU的缺点是神经元死亡改进方案有LeakyReLU、ELU和GELU。Tanh饱和区梯度接近0容易导致梯度消失。Softmax会把输出推向“赢家通吃”所以用于多分类输出层而不是隐藏层。归一化题才是拉开差距的地方。BatchNorm对一批数据在特征维度上做归一化适合CNNLayerNorm对单个样本的所有特征维度做归一化适合序列模型因为序列长度是动态的而且LayerNorm不依赖batch大小推理阶段更稳定。这里给一个能直接背下来的回答模板“BERT选择LayerNorm是因为NLP任务经常出现不同长度的样本而且batch size可能很小BatchNorm在小batch下估计的均值和方差不可靠更重要的是Transformer的残差结构希望每层输入分布相对稳定LayerNorm对每个token单独归一化不引入batch内token之间的依赖因此更适配。”这段话每一句都是踩点。如果要手写LayerNorm代码逻辑是对输入矩阵的最后一维求均值和方差然后标准化最后做缩放和平移。实现时要注意epsilon参数不然测试时可能除零。import torch def layer_norm(x: torch.Tensor, gamma: torch.Tensor, beta: torch.Tensor, eps: float 1e-5): mean x.mean(-1, keepdimTrue) var x.var(-1, unbiasedFalse, keepdimTrue) x_hat (x - mean) / torch.sqrt(var eps) return gamma * x_hat beta这里有个容易踩的坑Pytorch的var默认是unbiasedTrue也就是除以n-1但LayerNorm公式里用的是总体方差除以n必须把unbiasedFalse显式写出来。我见过好几个同学在这里被面试官纠正属于特别冤的失分点。3. Transformer与注意力机制深挖3.1 Self-Attention的完整推导可以说Transformer相关的题是NLP面试的“主菜”之一。最稳的准备方式是能把Self-Attention从头推导到尾。先讲公式给定输入序列的embedding表示 X分别乘上 W_Q、W_K、W_V 得到 Q、K、V然后计算注意力得分。为什么除以根号d_k因为这个缩放能防止点积结果过大导致softmax进入饱和区梯度趋近于0。如果用生活里的事来类比点积相当于在衡量“两个向量的相似程度”向量维度越高点积的绝对值越大所以要除以维度开方来拉回到一个合适的尺度。接着要能回答“多头注意力的意义”。多头不是让模型关注多个位置而是让不同的头学习到不同的注意力模式比如一个头关注语法依赖另一个头关注共指关系最后拼接起来得到更丰富的语义表征。这里经常有追问“多头和多个Attention结果取平均有什么区别”答案是多头保留了不同的特征子空间拼接后再投影相当于做了一次融合而不是简单平均。Self-Attention的计算复杂度是O(n²)这是Transformer处理长文本的瓶颈。面试官一旦听到你提到这一点大概率会接一句“你知道有哪些优化方案吗”你需要至少说出三点稀疏注意力只让每个token关注邻近窗口内的token、Linformer的线性投影思想、以及FlashAttention通过分块计算来减少显存占用。手撕代码时一个能跑通的简化版多头注意力实现是很加分的我会在后面的代码实操章节给出完整代码。3.2 位置编码为什么必须有、绝对相对的区别Transformer没有循环结构无法天然感知token顺序所以必须把位置信息塞进去。最经典的正弦位置编码公式是PE(pos, 2i) sin(pos / 10000^(2i/d_model))PE(pos, 2i1) cos(pos / 10000^(2i/d_model))。为什么用三角函数因为sin(ab)和cos(ab)可以由sin(a)、cos(a)进行线性组合理论上模型能学到“相对位置”的规律。后来的BERT用的是“绝对位置编码”也就是把位置编号当作可学习的向量直接加在embedding上简单有效但无法直接外推到更长序列。到GPT时代RoPE旋转位置编码成了高频词。RoPE的核心是把位置信息做进Q和K的内积里让内积结果只依赖于相对距离。你可以向面试官这样解释“绝对位置编码是把位置向量加进去而RoPE是把位置信息通过旋转矩阵编码在向量里最后QK点积时自然表现出相对位置的属性。”ALiBi也是一种相对位置方案它直接给距离远的token之间的注意力加上一个线性衰减的负偏置实现简单、外推效果好。3.3 BERT与GPT的高频追问BERT几乎是NLP面试的必考明星。最经典的追问是这个“BERT的预训练任务是什么你了解它的缺点吗”标准答案是两个预训练任务Masked Language ModelMLM和Next Sentence PredictionNSP。MLM随机掩盖15%的token让模型预测但缺点是预训练和微调之间存在不一致因为[MASK]符号在下游任务中不会出现。为了让模型适应BERT的做法是被选中的15%中80%真正替换成[MASK]10%替换成随机token10%保持不变。这个细节几乎是必考。NSP后来被证明用处有限RoBERTa通过实验证明去掉NSP效果更好这也是一个高频知识点。同学在这里要说清楚“为什么NSP无效”“NSP任务太简单或者太偏模型很容易通过词频等表层线索判断句子关系学不到真正的句子间语义关系所以RoBERTa直接去掉NSP并且改用动态Mask和更大batch训练效果反而更好。”关于[CLS]位置很多面试官会问“为什么BERT在句子开头加[CLS]”。答案是[CLS]不参与语义计算专门用来聚合整个序列的信息它的最后一层隐藏状态被拿去做分类任务。但要注意实际上[CLS]向量未必真的能“聚合全部信息”这也是现在很多研究者直接用mean pooling替代的原因之一。你能主动说出这一点面试官会眼前一亮。再压一道题“BERT参数量多少如何算出来的”以BERT-Base为例12层、768隐藏维度、12头、110M参数。词汇表大小是30522word embedding维度是768加上位置编码512×768和segment embedding 2×768。Transformer层的参数量主要来自Self-Attention四个权重矩阵每个768×768加偏置以及FFN的两个全连接层768到3072、3072到768。算下来大概每层7M12层约84M加上embedding约23M就接近110M了。这种计算题能看出你是不是真的了解结构不是只会调包。3.4 面试官常问的“送命题”所谓“送命题”不是真的想让你挂而是想看你面对不会的问题时怎么反应。比如“如果训练好的BERT在领域数据上表现不好你怎么做”正确的思路是先诊断是领域数据太少还是领域词汇和通用词汇差异太大然后考虑用领域语料继续预训练继续做MLM再进行领域微调。这里要能说出“继续预训练时要控制epoch避免灾难性遗忘”。又如“你怎么判断模型是过拟合还是欠拟合”不能只回答“看训练集和验证集loss”要接着说“如果train loss高、val loss也高是欠拟合如果train loss很低、val loss高是过拟合”并给出对应方案欠拟合就增加模型容量、训练更久过拟合就加正则、加数据增强、用早停、减dropout等当然还有加重正则。“一个中文NER任务标注数据只有2000条你怎么提升效果”这也是出现率极高的场景题我放在后面的方案设计章节一起讲。4. 进阶与前沿从微调到Prompt再到LoRA4.1 下游任务微调的完整流程很多同学以为微调就是把预训练模型换到自己的数据上跑一遍但面试官想听的是细节。完整的微调流程至少要回答这几个决策点一是是否冻结底层参数。对于数据量小的任务通常冻结底层若干层只更新后几层和分类头防止过拟合对于数据量充足的任务全部解冻、使用较小的学习率。二是学习率的选择一般比训练模型时的学习率低一个数量级常见是2e-5到5e-5因为预训练模型已经收敛到比较好的区域学习率太大容易破坏学到的特征。三是数据量不足时的处理手段数据增强同义词替换、回译、引入领域词典、使用Dropout和权重衰减。灾难性遗忘也是高频概念意思是微调新任务时模型把预训练学到的通用知识逐渐遗忘。解决办法包括混合部分通用语料和任务语料一起训练、用较小的学习率、或者用EWC这类基于重要性的正则方法。能说出“混合预训练语料”这个方法的人不多属于加分项。4.2 大模型时代的高频概念题到了实习面试完全只考BERT已经不够了。最近一年的行情是面试官会穿插几道大模型相关题目考察你平时有没有在跟进。我复盘了最近的反馈出现频率最高的在下面列出来。“什么是幻觉如何缓解”可以这样答大模型生成的内容与事实不符或完全编造原因包括训练数据的偏差、解码策略随机性、模型本身缺乏事实记忆能力。缓解手段有引入外部检索RAG、解码时降低采样温度、对生成结果做事实校验、用RLHF引导模型在不确定时拒绝回答。“什么是KV Cache为什么能加速推理”这是GPT类模型推理优化里最常见的题。因为Transformer解码是逐token生成生成第k个token时要重新计算前面所有token的K和V。KV Cache把这些历史K、V矩阵缓存起来避免重复计算推理速度大幅提升。代价是显存占用线性增长所以有KV Cache量化、滑动窗口等技术。“LoRA为什么能在效果不掉的情况下大幅减少可训练参数”LoRA的核心是在原权重矩阵旁边加了低秩分解的可学习矩阵只更新新增的小矩阵冻结全部原参数。它巧妙利用了“预训练模型权重的更新量常常是低秩的”这一观察把完全微调需要更新的高维矩阵压缩成两个低维矩阵的乘积。“RLHF的流程是什么”标准回答是四步先做监督微调得到SFT模型让模型对同一个输入生成多个回答由人类标注员排序打分利用这些偏好数据训练一个奖励模型再通过强化学习如PPO用奖励模型反馈来更新SFT模型同时加一个KL散度约束防止模型跑偏。4.3 场景设计题怎么答场景设计题是二面重头戏典型题目如“给一个证券舆情系统请你设计一个情感分类模型”。千万别上来就掏BERT正确的答题结构是任务定义 → 数据方案 → 模型选择 → 评估方案 → 工程上线。数据方案要说明怎么采集、怎么清洗、怎么标注。比如舆情文本里有很多金融术语需要领域词典辅助分词和标注还要处理“跌了但实际是利好”的复杂语义场景。模型选择可以分两套方案如果数据量在万级别用BERT一类模型做微调就够如果数据量在百万级别可以考虑在领域语料上继续预训练再微调。评估指标上用F1分数而不是准确率因为舆情分类正负类往往不平衡准确率没有参考价值。再比如小样本NER设计题2000条标注数据怎么做。我的建议顺序是先用通用模型如BERT在现有数据上微调然后用远程监督和规则补充数据比如用实体词典在无标注语料上做自动标注再做数据增强实体替换、句子重写最后如果还不行考虑用大模型的上下文学习能力来生成伪标注数据再人工抽检修正。这个方案既实用又展示了你对工程成本的考虑面试官一般会很满意。5. 手撕代码与笔试实战5.1 必须能手写的五段代码笔试和一面手撕代码是很多人的噩梦。我按出现频率帮大家排了序前五分别是Softmax、交叉熵、多头注意力、Transformer Block、LSTM门实现。至于“分词器实现”和“文本分类训练循环”属于加分项。第一个必背数值稳定版的Softmax。要点是每个token的logits减去该行最大值再指数化和归一化避免溢出。写的时候顺便说一句“考试里如果直接softmax上溢概率很大减max之后结果仍然一样因为softmax对输入平移不变。”代码很简单def softmax(logits): logits_max logits.max(-1, keepdimTrue) exp_logits torch.exp(logits - logits_max) return exp_logits / exp_logits.sum(-1, keepdimTrue)第二个必背手动实现多头注意力。能写出这个基础就过关了。这里给出一个精简版关键点在于把输入切成多个头、shape变化要理清import torch import torch.nn as nn class MultiHeadAttention(nn.Module): def __init__(self, d_model, n_head, d_kNone, d_vNone): super().__init__() self.n_head n_head self.d_model d_model self.d_k d_k if d_k is not None else d_model // n_head self.d_v d_v if d_v is not None else d_model // n_head self.W_Q nn.Linear(d_model, n_head * self.d_k) self.W_K nn.Linear(d_model, n_head * self.d_k) self.W_V nn.Linear(d_model, n_head * self.d_v) self.W_O nn.Linear(n_head * self.d_v, d_model) def forward(self, x, maskNone): batch_size, seq_len, _ x.size() Q self.W_Q(x).view(batch_size, seq_len, self.n_head, self.d_k).transpose(1, 2) K self.W_K(x).view(batch_size, seq_len, self.n_head, self.d_k).transpose(1, 2) V self.W_V(x).view(batch_size, seq_len, self.n_head, self.d_v).transpose(1, 2) scores torch.matmul(Q, K.transpose(-2, -1)) / (self.d_k ** 0.5) if mask is not None: scores scores.masked_fill(mask 0, -1e9) attn torch.softmax(scores, dim-1) context torch.matmul(attn, V) context context.transpose(1, 2).contiguous().view(batch_size, seq_len, -1) return self.W_O(context)注意两点mask填充值用-1e9而不是负无穷防止某些环境下softmax计算NaN多头拼接后要.contiguous()再view这是面试官最爱观察的细节。第三个必背Transformer Block。其实就是Attention套一个FFN加上两个残差和LN。能写出掩码、残差、在前馈中把隐藏维度放大4倍就基本可以。第四个必背手写LSTM门的更新公式。这个虽然现在用得少但笔试选择题里常出现。顺序是遗忘门 f、输入门 i、候选值 c̃、更新细胞状态 c、输出门 o、最终输出 h。第五个加分项一个完整的训练循环。面试官出“请训练一个BERT用于文本分类”这种题时你要展示train、eval、save checkpoint、算metric的完整框架。5.2 如何向面试官讲代码写代码的时候不需要闷头敲完再说。我强烈建议按三步走先讲思路再写关键行最后用测试样例自测。比如手写注意力开口先说“我用Q乘K转置得到相似度除以根号d_k做缩放然后softmax得到权重再对V做加权求和”这三句话面试官就会觉得你逻辑清晰。写完后主动跑一个简单的测试用例输入batch1、seq_len3、d_model4观察输出shape是否正确。如果输出shape是(1, 3, 4)说明实现是对的。还有一个被忽略的加分技巧边写边用注释解释每个变换的shape变化。比如“view成(batch, seq_len, head, dim)再转置为(batch, head, seq_len, dim)”这句话一讲出来面试官就知道你清楚张量的维度流动这比写一堆代码更有说服力。5.3 笔试平台操作与时间分配线上笔试常见平台有牛客、某在线评测系统等。第一个大坑是输入输出格式。很多NLP方向的同学习惯用Python做示例忽略了输入可能有多个测试样例、需要循环读取直到EOF。我建议笔试一开始先花3分钟把输入输出模板写好再进入正式答题。时间分配上如果编程题有两道先把会写的第一题完整提交再回头写第二题的暴力版本保证保底分。笔试里经常遇到“全题通过率”低于100%的情况我见过太多人死磕最后一组测试用例最后交了个0分的题。正确策略是先拿所有测试点可能通过的分数再优化细节。如果笔试里有简答题别写太长。很多平台的阅卷是人工看的简单题写上“核心公式一句话解释优缺点”就够长篇文章反而浪费时间。6. 高频笔面试题速查与场景模拟6.1 高频题速查表为了方便复习我把最近一年出现频率最高的题目整理成一个速查表。建议打印出来面试前一天过一遍。高频题答题要点常见送命点为什么Transformer用缩放点积防止点积过大导致softmax梯度消失答成“避免上溢”不完整多头注意力有什么用不同头关注不同模式答成“关注多个位置”太模糊为什么用LayerNorm序列变长、batch小、每个token独立归一化只答“比BN好”不给原理Word2Vec中一个词为什么有两个向量输入/输出角色分离留输入向量不知道输出向量丢弃BERT的mask策略80%[MASK]、10%随机、10%不变说成“全部替换成[MASK]”为什么RoBERTa去掉NSPNSP学习不到深层语义还占用参数只说“NSP没用”不解释什么是KV Cache缓存历史K/V避免重复计算答不上显存代价LoRA的基本原理低秩矩阵增量更新、冻结原权重只提“省显存”不讲低秩假设模型过拟合怎么办数据增强、正则、Dropout、早停、减少参数胡乱罗列不给方法排序6.2 一面面试模拟实录下面模拟一段一面现场问题都是真实出现过的我把“较好回答”和“普通回答”的差异标出来。这段模拟里的同学就叫A同学面试官是某团队的技术负责人没有特定公司背景只是还原场景。面试官先说说你最近做的这个文本分类项目吧。A同学普通回答我用BERT做情感分类数据集有10万条准确率95%。差不多就这样。A同学较好回答这个项目目标是帮助业务方自动判断用户评论的情绪倾向。我使用的是预训练BERT加上一个分类头10万条标注数据按8比1比1切分训练验证测试。先用3e-5学习率跑5个epoch早停机制最终在测试集上F1达到0.93。中间有尝试过用LSTM但效果差了约8个点就换成了BERT。后续还加了一个阈值调整逻辑把低置信度样本送去人工审核。面试官听完第二版至少会知道你有评估意识、有对比实验、有上线思考。面试官又问你训练的时候损失怎么变化遇到loss震荡怎么办A同学较好回答训练初期loss快速下降后面逐渐平稳。如果震荡我会先看学习率是不是太大把学习率降一个数量级再看batch size是否太小适当增大最后检查是不是数据里有错误的标注抽出来看几条loss特别高的样本清洗后再跑。这个回答展示的是工程排查思维而不是背概念。6.3 简历与面试的综合避坑经验最后这部分是我最想提醒各位的属于踩过坑才会懂的经验。第一简历上的项目描述千万不要堆模型名词。我看到过很多简历把BERT、RoBERTa、ALBERT、GPT全列一遍面试官追问一句“你这几个模型的差异是什么”就当场答不上来。更好的做法是一个项目只写一个核心模型但把“为什么选它”、“试过什么替代方案”、“最后效果如何”写清楚。第二数据和指标口径一定要提前核对。面试官特别喜欢问“你的准确率是百分之几”“测试集有多少条”。如果数据口径都说不清项目可信度会大打折扣。建议在面试前把项目的训练集、验证集、测试集数量以及精确率、召回率、F1这些指标全部写在笔记里。第三被问到不会的问题时千万不要装懂。大方的说“这一块我了解不多但我推测大概是……”然后把自己会的部分逻辑讲出来比沉默三分钟强得多。面试官也在观察你的学习潜力完全答不上来反而扣分。第四准备一个反问环节的问题。面试最后通常有“你有什么想问我的”别回答“没有了”。可以问团队目前主要用哪些模型、上线场景是什么、新人进来之后的前1个月工作规划这能体现你的认真程度。写在最后我的复盘建议我自己的习惯是每场面试结束后半小时内立刻按“问了什么、我答了什么、正确答案是什么、下次怎么答更好”四个栏目录入表格。这个动作坚持下来比临时抱佛脚刷十套题都有用。真实情况是NLP技术点就那么多多复盘几轮之后你会发现之后面的几家公司在问题类型上几乎都是在“换皮”。另外如果接下来你至少有10天准备时间我比较推荐的安排是前三天专门过Word2Vec、Transformer、BERT的推导和手撕代码第四到第六天做项目深挖把简历上每一句话都准备好对应的追问第七到第八天刷大模型相关概念和场景设计题最后两天用速查表做模拟自查。时间不够的话优先保“手撕代码 Word2Vec Transformer 项目逻辑”这四个板块。NLP实习面试没有太多捷径但绝对有方法。希望这份“汇总二”能帮你把力气花在刀刃上减少一些徒劳的焦虑。