BERT面试高频知识点：3分钟速记

别再死记硬背 BERT 了，面试官更想听你讲明白它为什么有效。

我整理一版 BERT 高频答法，3分钟速记：

1）BERT 是什么？
BERT = Bidirectional Encoder Representations from Transformers，本质是多层 Transformer Encoder 堆叠的预训练语言模型。

2）为什么它当年这么强？
核心是双向上下文建模。
- GPT（早期）主要是单向语言建模
- BERT 能同时看左右上下文，更适合理解类任务（分类、匹配、抽取）

3）输入怎么构成？
输入向量 = Token Embedding + Segment Embedding + Position Embedding
- [CLS]：句级表示，常用于分类
- [SEP]：句子分隔

4）两个预训练任务（面试必问）
- MLM（Masked Language Model）：随机 mask 15% token 预测原词
  - 80% -> [MASK]
  - 10% -> 随机词
  - 10% -> 保持原词
- NSP（Next Sentence Prediction）：判断句子B是否是句子A的下一句

5）怎么落地到下游任务？
预训练后加任务头微调：文本分类、NER、问答等。

面试30秒答法：
BERT 的关键是双向建模；输入由 token/segment/position 三部分组成；预训练靠 MLM+NSP；下游通过微调完成具体任务。

想看的话，我下一条发《BERT vs GPT 面试一分钟对比版》。

#AI面试问题分享# #面试___岗的必刷题单# #BERT# #Transformer# #算法面试#