2021年9月中旬，百度NLP岗位面试题分享（二）

最新推荐文章于 2024-09-30 19:35:25 发布
最新推荐文章于 2024-09-30 19:35:25 发布
阅读量192 收藏
点赞数
文章标签： 百度 自然语言处理 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/niuyunpang/article/details/121225084
版权
这篇博客分享了2021年9月百度NLP岗位面试的部分题目，包括NLG的评估指标（BLEU、ROUGE）、二叉树的最大路径和算法、Attention机制的除法原因、最长上升子序列问题以及神经网络调参技巧。详细解答了每个问题，提供了相关代码和理解。
摘要由CSDN通过智能技术生成

问题6：NLG的评估指标有哪些

  • BLEU (Bilingual Evaluation Understudy)
  • ROUGE (Recall Oriented Understudy for Gisting Evaluation)

BLEU是机器翻译中使用最广泛的评估指标，可以看成是精确率，公式如下：
点击此处添加图片说明文字
ROUGE可以看作是召回率，有以下几种：

  • ROUGE-N：计算 n-gram 的召回率，即算出候选译文和参考译文重合的 n-gram 个数占参考译文的比例；
  • ROUGE-L：计算最长公共子序列（LCS）的召回率；
  • ROUGE-W：计算加权的最长公共子序列的召回率（weighted LCS）；
  • ROUGE-S：计算 skip-bigram 的召回率（any pair of words in sentence order
    allowing for arbitrary gaps）。

福利：2021年最新大厂AI面试秘籍PDF 《2021年最新大厂AI面试题 Q2版》&《名企AI面试100题》，文末免费领！


问题七：二叉树的最大路径和

思路ÿ

最低0.47元/天 解锁文章
niuyunpang
关注
2021年4月份 ，NLP算法岗面试题总结
niuyunpang的博客
06-03 321
添加微信：julyedufu77，回复 “ 6 ”，领取最新升级版《名企AI面试100题》电子书！！ 面试题 **问题 1：**怎么处理数据不平衡 **问题 2：**给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。 **问题 3：**连续子数组的最大乘积 **问题 4：**最大子数组 **问题 5：**一个硬币正面概率p 那么抛到第几次抛正面期望 题目解析 问题1：怎么处理数据不平衡 常用于解决数据不平衡的方法： **欠采样：**从样本较多的类中再抽取，仅保留这些样本点的一部分； **过采
2021年9月中旬，百度NLP岗位面试题分享（一）
niuyunpang的博客
11-08 267
问题1：神经网络有哪些初始化的方法、为什么要初始化 不初始化可能会减慢收敛速度，影响收敛效果。 如果使用的是预训练模型，是不需要自己进行初始化的，只有没有预训练模型的时候需要初始化。 常用的权重初始化算法是「kaiming_normal」或者「xavier_normal」。 以下n_in为网络的输入大小,n_out为网络的输出大小，n为n_in或(n_in + n_out) * 0.5 - uniform均匀分布初始化： - Xavier初始法，适用于普通激活函数(tanh，sigmoid)： - H.
DL&NLP学习笔记 & 2021春招面试——RNN & Attention
Uniqorn的博客
02-24 205
目录Word RepresentationRNNRNN Formulation模型训练过程 Word Representation 词表示分类如下： 语言模型：预测一个词序列的概率 RNN 假设：时间信息很重要 想法：将上一个隐藏层的信息传递给所有上下文；将神经网络的条件设置为所有前面的单词，并在每个时间步上绑定权重； Bi-Gram模型：用前一个词预测下一个词 RNN：用前面所有词预测下一个词 RNN Formulation 激活函数： 模型训练过程 ...
百度nlp面经（2022.10.18）
little_spice的博客
10-19 1442
百度NLP面经（2022.10.18）
百度机器学习/数据挖掘/NLP笔试题----【编程题】【字符串】【切片】【字符串出现次数】
weixin_42702666的博客
04-03 624
题目描述 姆巴特是一名现役特种兵，他马上就要去参加特种兵大赛，特种兵大赛不仅对体能体格有很高的要求，还需要选手具备超强的智力和反应能力。为了训练姆巴特的反应能力和临场动脑能力，教练写了一长串文字A，还写了一串文字B，训练总共Q次，每次教练会告诉姆巴特两个数字l和r，姆巴特需要快速找出B在A[l...r]中出现了几次，A[l...r]表示从A的A[l]开始长度为r-l+1的子串 输入 第一行一...
2021年10月中旬—字节AI LAB NLP算法面试题10道|附5本电子书
julyedu_7的博客
11-24 667
电子书在文末。 1、bert的架构是什么 目标是什么 输入包括了什么 三个embedding输入是怎么综合的？ Bert的结构主要是Transformer的encoder部分，其中Bert_base有12层，输出维度为768，参数量为110M，Bert_large有24层，输出维度为1024，参数总量为340M。 Bert的目标是利用大规模无标注语料训练，获得文本包含丰富语义信息的表征。 Bert的输入：token embedding，segment embedding，position embed
2021年10月中旬—字节AI LAB NLP算法面试题（二）
niuyunpang的博客
11-22 493
问题6. 编辑距离 leetcode 72 编辑距离 给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。 你可以对一个单词进行如下三种操作： 插入一个字符 删除一个字符 替换一个字符 示例：那就是代码为 输入：word1 = “horse”, word2 = “ros” 输出：3 horse -> rorse (将 ‘h’ 替换为 ‘r’) rorse -> rose (删除 ‘r’) rose -> ros (删除 ‘e’.
2021年10月中旬—字节AI LAB NLP算法面试题（一）
niuyunpang的博客
11-20 583
问题一：bert的架构是什么 目标是什么 输入包括了什么 三个embedding输入是怎么综合的？ Bert的结构主要是Transformer的encoder部分，其中Bert_base有12层，输出维度为768，参数量为110M，Bert_large有24层，输出维度为1024，参数总量为340M。 Bert的目标是利用大规模无标注语料训练，获得文本包含丰富语义信息的表征。 Bert的输入：token embedding，segment embedding，position embeddimg，三个向量.
2021年计算机保研夏令营（从双非到南大软件学院）
weixin_45448609的博客
12-17 5347
保研是一场持久战，我从大一就有保研的想法，有意识的为保研做准备，看过很多经验帖，请教过多位保研成功的学长学姐，给了我很多帮助和建议，此篇博客旨在分享一些自己的推免经历。 个人背景 学校：江苏某双非软件工程专业，大学前三年学分绩点和推免综合排名都是专业第一 竞赛：数学建模竞赛（高教社杯省二，MathorCup三等），计算机设计大赛国二，蓝桥杯Java组国三 省一。没啥特别能拿的出手的比赛奖项，面试过程中感觉导师们不怎么在意学科竞赛（除了ICPC，CCPC）。 项目：1个目标检测相关的视频监控项目，2个
[java][gps]高德，百度，火星GPS坐标转换的静态方法
一名不太专业的程序员
09-27 694
方法，将WGS-84坐标（121.80645594960224, 29.931380771597897）转换为BD-09坐标，并打印结果。，它包含了一些用于坐标转换的静态方法。这个类可以用于需要在中国进行地图服务开发时，处理不同坐标系之间的转换。这段代码是一个Java类，名为。（用于坐标转换的常数）、类中定义了一些常量，如。（椭球体偏心率平方）。
[大语言模型-论文精读] 大语言模型是单样本URL分类器和解释器
09-27 1280
恶意URL分类是网络安全的关键部分。尽管现有的工作包括了许多基于机器学习和深度学习的URL分类模型，但大多数模型由于缺乏代表性的训练数据集而存在泛化和领域适应问题。此外，这些模型未能以自然人类语言提供给定URL分类的解释。在这项工作中，我们研究并展示了使用大型语言模型（LLMs）来解决这个问题。具体来说，我们提出了一个基于LLM的一次性学习框架，使用链式思考（CoT）推理来预测给定URL是否是良性或网络钓鱼。
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-09-26
09-26 1188
本文探讨了大型语言模型（LLMs）是否具备规划能力，并特别评估了OpenAI最新模型o1（草莓模型）在PlanBench基准上的表现。计算机前沿技术，人工智能算法，大语言模型，llm，在相关领域的最新研究论文10篇速读。
微调大模型（Finetuning Large Language Models）—Evaluation（六）
l8947943的博客
09-28 329
整体看，模型的评估目前没有一个统一的指标或者标准，场景适配大于统一标准，其次是介绍了几种适配的评估方法，可以借鉴参考。
常用大语言模型简单介绍
qq_44117805的博客
09-29 659
LLaMA是 Meta 开发的开源大型语言模型，用于执行多种 NLP 任务。Ollama是一个工具或平台，允许用户在本地运行和管理多个语言模型，包括 LLaMA。它简化了 LLM 的运行流程，使用户可以通过命令行轻松调用和实验模型。因此，LLaMA 是一个模型本身，而Ollama 是一个工具，用于运行包括 LLaMA 在内的多种大语言模型。
[大语言模型-论文精读] 悉尼大学-ACL2024-提升大型语言模型的复杂视觉推理能力
09-30 752
这篇论文的标题是《Enhancing Advanced Visual Reasoning Ability of Large Language Models》，由悉尼大学计算机学院的Zhiyuan Li, Dongnan Liu, Chaoyi Zhang, Heng Wang, Tengfei Xue, Weidong Cai撰写，投稿ACL ARR2024。这篇论文提出了一种新的方法，名为复杂视觉推理大型语言模型（CVR-LLM），旨在提升模型在复杂视觉推理任务中的表现。
深度学习模型之BERT的24个小模型源码与预训练紧凑模型的重要性
aidashuju的博客
09-23 1480
自然语言表征模型的最新发展伴随着庞大而昂贵的模型，这些模型通过自监督的预训练的方式来利于通用领域文本。由于应用此模型的下任务的成本，关于预训练的语言表征模型的几个压缩技术已经被提及(Sun等.,2019a;Sanh,2019)。然而，令人惊讶的是仅预先训练和微调紧凑型模型的简单基线已经被忽视。在文本中，我们首先展示了较小体系架构中保留预训练的重要性，而且微调预先训练的紧凑模型可以与并行工作中提出的更精细的方法相竞争。
论文翻译 | LLaMA-Adapter :具有零初始化注意的语言模型的有效微调
最新发布
m0_49651195的博客
09-30 716
我们提出了一种轻量级的自适应方法，可以有效地将LLaMA微调为指令遵循模型。lama - adapter采用52K自指导演示，在冻结的LLaMA 7B模型上只引入1.2M可学习参数，在8个A100 gpu上进行微调花费不到一个小时。具体来说，我们采用了一组可学习的自适应提示符，并将它们添加到更高的转换器层的单词令牌中。然后，提出了一种带有零门控的零初始化注意机制，该机制自适应地将新的教学线索注入到LLaMA中，同时有效地保留了预先训练好的知识。
[大语言模型-论文精读] MoRAG - 基于多部分融合的检索增强型人体动作生成
09-24 1159
如何利用检索增强型方法来提升文本驱动的人体动作生成任务的性能？这篇论文提出MoRAG框架能够显著提高动作生成任务的性能，尤其是在处理复杂或未见过的文本描述时。 人工智能，大语言模型，运动生成，运动扩散模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值