多场景建模与 STAR 模型
哪些公司问过
答案要点
- 多场景建模:一个模型服务多个场景,共享知识、缓解稀疏,但需平衡共享与隔离、防止负迁移
- STAR(阿里):星型拓扑全连接,场景权重 = 共享权重 ⊙ 场景专属权重,偏置相加
- 分区归一化(Partitioned Normalization):按场景分别维护归一化统计量和参数
- 辅助网络:场景标识等特征经小网络输出,加到主网络 logit 上增强场景感知
- 其他方案:多塔结构、场景 embedding、MMoE/PLE 类门控网络
易错点
- 把推荐里的 STAR 模型和行为面试的 STAR 法则混淆
- 把多场景建模等同于多任务学习
- 只讲参数共享,不讲场景数据不平衡带来的负迁移
面试官常见追问
- 针对 MMoE 的负迁移和跷跷板问题,提出了什么模型?哪家公司提出的?
- 讲讲专家极化问题怎么解决?
- 多场景和多任务有什么区别?
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。