Mamba 是否可能取代 Transformer
哪些公司问过
答案要点
- Mamba 基于选择性状态空间模型,参数随输入变化,用并行扫描训练
- 优势:计算随长度线性增长,推理状态固定,无需增长的 KV cache
- 短板:历史压缩进固定状态,精确回忆、复制、上下文学习等任务通常弱于注意力
- Transformer 能直接访问全部历史 token,生态和优化成熟
- 趋势是混合架构,少量全注意力层加大量 SSM 或线性注意力层,如 Jamba
易错点
- 说 Mamba 在所有任务上都优于 Transformer
- 忽视固定状态带来的信息压缩问题
- 忽视 Transformer 的生态与工程优化优势
面试官常见追问
- Mamba 和传统 RNN 有什么区别?
- 什么场景更适合用 Mamba 类模型?
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。