LLM的输入到底是什么?模型真正看到的是什么?
哪些公司问过
答案要点
- 输入是 token ID 序列,不是原始字符
- 分词器(如 BPE 类子词分词)切分文本并映射到词表 ID,对话还要套聊天模板和特殊 token
- embedding 查表把 ID 变成向量,再加入位置信息(位置编码或 RoPE)
- 经多层注意力和前馈网络,输出下一个 token 的概率分布
- 上下文窗口按 token 计;子词粒度导致字符级任务易错
易错点
- 说模型直接读取字符或单词
- 忽略位置信息,认为 Transformer 天然知道词序
- 把上下文长度理解为字符数
面试官常见追问
- 为什么注意力能建模长距离关系?
- 注意力里的 Q、K、V 分别代表什么?
- 同一句话中文和英文消耗的 token 数一样吗?
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。