GRU 的结构与原理
答案要点
- 两个门:更新门控制旧状态保留与新内容写入比例,重置门控制候选状态用多少历史
- 候选状态 h~ = tanh(W x + U(r⊙h_{t-1})),h_t 为旧状态与候选状态按 z 加权插值
- 加权插值式更新让梯度可沿时间近似直通,缓解普通 RNN 的梯度消失
- 相比 LSTM 少一个门、没有独立细胞状态,参数约为其四分之三
易错点
- 说 GRU 有三个门或有独立的细胞状态
- 把重置门和更新门的作用说反
- 认为门控能彻底消除梯度消失,它只是缓解
面试官常见追问
- GRU 能解决梯度爆炸吗?
- PyTorch 的 GRU 公式和论文有什么不同?
- GRU 和 Transformer 相比如何?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。