第四范式NLP笔试题解析：从贝叶斯到BERT的考点与思路

2020年第四范式的秋招NLP笔试题，我当时是在线做的，整套卷子做下来最大的感受是：这家公司不考八股文式的背诵题，而是在反复试探你对模型原理的底层理解，以及把技术放到业务场景里能不能落地。四范式本身的业务是机器学习平台和智能化转型解决方案，所以它的NLP岗位笔试题天然带有很强的工程和业务味道。这篇文章我按回忆把整张卷子的核心题目、答题思路、以及我当时踩过的坑整理出来，给后面准备这类AI公司笔试的同学一个参考。

1. 试卷总体印象：那不是AI四小龙，是AI平台公司考法

先说一个整体判断：第四范式的NLP笔试题，和我之前做的几家互联网大厂以及AI四小龙的笔试风格差别挺明显的。大厂的NLP题通常分成两大块，一块是海量单选题覆盖机器学习和NLP基础，另一块是两道左右的编程题，整体考的是熟练度和广度。而四范式的卷子里，基础知识题依然占了不小比例，但同时出现了很多"给你一个业务场景，你来设计方案"的开放式问题，而且这类题的分值占比不低，这就非常考验平时有没有真的做过项目，而不只是刷过LeetCode和背过八股。

1.1 题型分布与分值结构

从题型上看，2020年秋招这批卷子大致是这样的结构：

这个分值分布透露了一个关键信息：纯记忆类题目占比并没有想象中那么高，反而简答和开放题加在一起达到了40%，这类题才是真正拉开差距的地方。我认识的一个朋友当年也投了四范式，他选择题几乎全对，但开放题写得很空，最后连面试都没进。后来复盘的时候我们都觉得，四范式的笔试筛人逻辑很明确——基础题只是及格线，方案设计题才是分水岭。

1.2 试卷偏向：为什么选择题都像在做推导

四范式的选择题有一个特点：它不太喜欢那种"直接背定义"的题目。举个例子，它很少直接问你"什么是TF-IDF"，而是会给你一段具体的文本、一组词频统计，让你实际计算某个词的TF-IDF值；或者给你一个贝叶斯公式的变形，让你判断哪一步推导错了。

这就意味着，如果你只是临考前翻了一遍《统计学习方法》的目录，大概知道几个名词，做这种题会很吃力。它对知识的要求不是"听说过"，而是"能推导、能计算、能判断对错"。我当时在这类题上花了大量时间，有些题目甚至在草稿纸上推了半天，因为题目会故意设计一些边界条件，比如分母为零的情况、概率取对数之后的大小比较、样本量很小的条件下估计是否仍然有效等。

考试范围上，机器学习部分的重点集中在：朴素贝叶斯、逻辑回归、SVM的优化目标、决策树的分裂准则、集成学习里Bagging和Boosting的区别、聚类算法、常见的评估指标。NLP部分的重点则集中在：语言模型、词向量、序列标注、文本分类、机器翻译的基本框架、Transformer和BERT相关的原理。这套知识覆盖面不算特别广，但对每个知识点的深度要求明显比一般公司的笔试题要高。

2. 机器学习与数学基础题：看似送分，实则筛人

这类题放在卷子最前面，看起来是送分题，但我实际做下来发现，里面埋了不少坑。四范式出题人很喜欢在概率题和信息论题上做文章，因为NLP问题归根结底是概率模型的问题，机器学习里的很多坑在NLP场景下会被放大。

2.1 拉普拉斯平滑：一个公式背后牵出三种知识

我记得有一道多选题是这样出的：在朴素贝叶斯分类器中，为什么要对条件概率做拉普拉斯平滑？平滑操作对模型会产生什么样的影响？选项里有几个表述，比如"防止某个特征在训练集中未出现而导致概率为零""会让所有概率估计值都略微向均匀分布靠拢""当训练样本足够多时，平滑的影响会逐渐减弱""平滑系数越大，模型对训练集的拟合能力越强"。

这道题表面上考的是拉普拉斯平滑的公式，但实际上它考的是三件事：你能不能用公式说清楚平滑做了什么，你能不能理解零概率问题在朴素贝叶斯里的致命性，以及你能不能判断平滑强度对模型偏差方差的影响。

拉普拉斯平滑的公式是：

P(w|C) = (count(w, C) + α) / (count(C) + α * V)

其中α是平滑系数，V是特征词表大小。这个公式的关键在于，分子加了一个α，分母加了一个α*V，这样保证所有的条件概率之和仍然等于1，同时避免了某个词在训练集中没有出现过导致概率直接为0的情况。

为什么概率为零会致命？因为朴素贝叶斯在推理时是用连乘的方式计算后验概率的，只要其中一项是0，整个乘积就变成0了，哪怕其他特征的证据再强也救不回来。这在NLP场景下尤其明显，因为语言的分布是典型的稀疏分布——训练集里没见过的词太常见了，如果不做平滑，模型在测试集上会频繁出现零概率。

但平滑也不是越多越好。α越大，所有的概率估计就越往均匀分布方向偏移，也就是说低概率的词被抬高、高概率的词被压低，模型的判别能力会下降。这本质上是给模型引入了偏差。我当时选了前三个选项，最后那个"平滑系数越大，模型对训练集拟合能力越强"我没敢选，因为平滑本质上是一种正则化手段，正则化变强时，模型对训练集的拟合能力应该是下降的，而不是增强。这种选项就是用来筛掉那些只背结论、不思考背后逻辑的人。

2.2 概率基础题：联合概率与条件概率的陷阱

还有一道让我印象很深的概率题，它给了一个场景：一个二分类问题，正样本占比1%，分类器在正样本上的召回率是99%，在负样本上的误报率是1%。问：如果一个样本被分类器判为正类，它真的是正类的概率是多少？

这道题考的也是贝叶斯公式，而且是很经典的先验概率陷阱。我们设P(Y=1) = 0.01，P(Y=0) = 0.99，P(预测=1 | Y=1) = 0.99，P(预测=1 | Y=0) = 0.01。然后套贝叶斯公式：

P(Y=1 | 预测=1) = P(预测=1 | Y=1) * P(Y=1) / [P(预测=1 | Y=1) * P(Y=1) + P(预测=1 | Y=0) * P(Y=0)]

代入数值就是：

0.99 * 0.01 / (0.99 * 0.01 + 0.01 * 0.99) = 0.5

答案是50%，而不是题面看起来的99%。这个题的坑在于，很多人看到"召回率99%、误报率1%"就觉得准确率肯定很高，但忽略了正样本本身只占1%，也就是类别极度不均衡。在正样本这么稀疏的情况下，即使误报率只有1%，也会产生大量假正例。

这类题在NLP里映射到的场景就是：意图识别、垃圾文本识别、异常检测，这些场景中正样本往往占比非常低。如果模型上线时只看准确率，你会被骗得很惨。我当时做这类题的时候，复盘出一个习惯：看到任何关于分类效果的描述，第一反应不是看准确率和召回率，而是先问一句"正负样本比例是多少"。这个习惯后来在我做文本多分类项目时帮了大忙。

2.3 评估指标与样本不均衡的处理方式

还有一组多选题是围绕评估指标的，考查的是F1分数、AUC、PR曲线这些概念在不同场景下的使用。其中有一道题问的是：在正负样本极度不均衡的文本分类任务里，以下哪些评估方式是合理的？

选项包括：直接看准确率、看PR曲线下的面积、看AUC、看F1分数、把所有负样本都预测为正样本时观察准确率的变化。

这类题其实没有一个绝对的标准答案，但出题人想考的是你对指标性质的理解。AUC对正负样本比例不敏感，因为它的计算是基于正负样本排序的；PR曲线在正样本很少的时候比ROC曲线更能反映模型对正类的识别能力；F1分数则是精确率和召回率的调和平均，能体现模型在少数类上的综合表现。只看准确率在样本不均衡时没有任何意义，因为全预测为多数类也能获得很高的准确率。

我当时在这道题上多留了个心眼，在草稿纸上把AUC和PR曲线的区别写了一遍：ROC曲线的横轴是假正例率，纵轴是真正例率，它对样本不均衡不敏感；PR曲线的横轴是召回率，纵轴是精确率，在正样本极少的情况下能更真实地反映模型性能。这也解释了为什么在信息检索、欺诈检测这类正样本稀少的场景里，大家更愿意看PR曲线而不是ROC曲线。

3. NLP基础理论：词向量、语言模型与文本表示

选择题过完之后，简答题开始真正进入NLP领域。四范式这套卷子对NLP基础理论的考察不算偏，但问问题的角度很刁钻，它不会让你默写某个模型的架构，而是给你一个具体问题，让你用NLP的方法去解决，并且要求你说明每一步背后的理由。

3.1 Word2Vec：CBoW与Skip-gram的取舍

有一道简答题是这样问的：在训练词向量时，CBoW和Skip-gram分别是如何定义学习任务的？在什么场景下应该优先选择CBoW，什么场景下应该优先选择Skip-gram？

这道题如果你只是背过"一个是预测中心词，一个是预测上下文"，那你的回答会非常单薄。真正能拿高分的答案，应该包含对这两个模型本质差异的理解。

CBoW的任务是：给定上下文词，预测中心词。它的训练方式是把上下文词的向量求和或者求平均，然后预测中心词。这个过程相当于在压缩上下文信息，所以它对高频词的表示效果更好，训练速度也更快。缺点是它对低频词和罕见词的表示不够精细。

Skip-gram的任务正好反过来：给定中心词，预测它的上下文词。每个训练样本是中心词和它周围的一个上下文词组成的词对，相当于在不断放大中心词和每个上下文词之间的共现关系。它能更好地处理低频词，因为即使一个词出现次数很少，只要它每次出现都会产生多个训练样本，模型也能学到它的向量表示。缺点是训练速度慢，尤其是在大语料上。

我当时答这道题时，补了一个实际经验：如果你是在一个小规模领域语料上训练词向量，比如只有几万条法律文书或者医疗病历，Skip-gram通常效果更好，因为低频的专业术语很多，Skip-gram能更好地保留它们的语义信息。反过来，如果你要处理的是通用领域的海量语料，CBoW因为速度快、对高频词友好，往往更实用。这道题光背定义可能只能拿一半分，把训练效率、低频词表现这些实操维度说出来，才能算答得相对完整。

3.2 困惑度：语言模型好不好的直观指标

还有一道简答题是关于困惑度的，题面给了一个训练好的语言模型，然后问：如果这个模型在测试集上的困惑度是100，你能得到什么结论？如果要提升模型的困惑度表现，可以从哪些方向入手？

这里要先理解困惑度的定义：

Perplexity = exp(-1/N * Σ log P(w_i | w_1, ..., w_{i-1}))

困惑度实际上是对数概率平均值的指数形式。困惑度越低，说明模型对测试集中每个词的预测概率越高，即模型对语言的建模能力越强。如果困惑度是100，可以理解为模型在每一个位置上，平均需要从100个词里选择一个，相当于模型的"有效选择空间"是100个词。这个值如果是基于词级别的语言模型，那100其实是一个偏高的数值，说明模型的预测能力很弱，比如随机猜测的困惑度等于词表大小，如果是词表一万个词的语言模型，随机猜的困惑度是10000，那么100确实比随机好，但离一个好的语言模型差距还很大。

提升困惑度表现的方向，则需要看模型本身的结构和数据。数据层面，可以做更大规模、更高质量的训练语料，做分词和文本清洗；模型层面，可以从n-gram模型换到RNN再换到Transformer，也就是让模型有更强的上下文建模能力；训练层面，可以增加序列长度、调整学习率、加正则化。我在答这类题时总结了一个思路，就是先定义清楚指标、再说影响因素、最后给优化方向，而不是空对空地说"用更好的模型"。

3.3 分词策略：中文NLP逃不开的第一关

这道题我记得是问中文分词对NLP任务的影响，以及常见的分词方法有哪些。中文分词作为中文NLP的第一道工序，它在四范式的卷子里出现一点都不意外，因为他们的业务场景很多涉及中文文本处理，比如金融文档、客服对话，这些文本的分词质量直接影响下游任务的效果。

中文分词的常见方法可以粗分为三类：基于词典的最大匹配法、基于统计的分词方法（HMM、CRF）、基于深度学习的序列标注方法（BiLSTM+CRF、BERT）。

基于词典的分词方法，本质上是字符串匹配，实现简单、速度快，但遇到未登录词基本无能为力。比如"自然语言处理"如果不在词典里，就可能被切得乱七八糟。基于统计的方法把分词看作序列标注问题，每个字标注为B（词首）、M（词中）、E（词尾）、S（单字成词），然后用HMM或者CRF来预测标注序列。这种方法对未登录词的处理能力比纯词典方法强很多。基于深度学习的方法则进一步把上下文语义融入标注过程，BiLSTM+CRF在分词任务上的效果明显优于传统方法，但需要大规模标注数据。2020年那时候BERT已经出来了，很多工业界的分词方案已经进化成基于预训练模型的序列标注方案，纯粹用词典分词的做法在带业务语义的场景里越来越少了。

我在这道题上给的答案是：先明确你的任务对分词错误率的容忍度。如果你的任务是关键词匹配或者规则抽取，用词典分词就够了，速度快、可控性强；如果你的任务是做语义理解、情感分析、意图识别，那必须用统计或深度学习类的方法，因为这类任务的下一步通常会映射到词向量或者预训练模型的输入层，分词的粒度会影响模型的语义表示质量。另外，中文里还有一个"粒度"的问题，比如"北京大学"是切成一个词还是切成"北京"+"大学"，这在很多业务场景里是有讲究的，四范式的笔试题里也出现了类似的场景，考的是你能否根据业务需求选择合适的分词粒度。

4. 深度学习与预训练模型：Transformer和BERT是重头

2020年秋招的时候，BERT已经成为NLP岗位笔试的必考内容，四范式的卷子也没有免俗。但它的考题不是让你简单描述BERT的结构，而是深入到Transformer的细节和BERT的预训练机制，题目难度明显比一般公司的考察高一个层级。

4.1 位置编码：为什么Transformer必须加位置信息

有一道简答题是：Transformer与RNN在处理序列数据时有什么区别？为什么Transformer需要位置编码？位置编码有哪些实现方式，各有什么优缺点？

这道题要答好，首先要理解一个关键点：RNN是天然按时间步处理序列的，它的结构决定了它能感知词的顺序，而Transformer的Self-Attention在计算时，是把序列中所有词同时喂进去的。在注意力计算中，两个词之间的相关性只取决于它们的向量表示和注意力权重，和它们在句子中的相对位置完全没有关系。也就是说，如果你把一句话里所有词的顺序随机打乱，Transformer的注意力计算结果是完全一样的。这一点在数学上很好理解：

Attention(Q, K, V) = softmax(QK^T / d_k) * V

Q、K、V都是词向量的线性变换，计算过程中没有任何与位置相关的参数。所以如果不加位置编码，Transformer就变成了一个词袋模型，只是比普通词袋模型多了注意力权重而已。

位置编码的常见实现方式有两种。一种是正弦位置编码，它使用不同频率的正弦和余弦函数来生成位置向量，公式是：

PE(pos, 2i) = sin(pos / 10000^(2i/d_model)) PE(pos, 2i+1) = cos(pos / 10000^(2i/d_model))

这种方式的优点是，它不需要训练参数，而且理论上有很好的外推性，也就是说即使在训练时没有见过特别长的序列，在推理时也能处理更长的序列。另一种是可学习的位置编码，BERT使用的就是这种方式，它在训练时把位置向量当作参数一并学习。优点是灵活，模型可以自己调整位置信息的表达方式；缺点是最大序列长度在训练时就固定了，超过这个长度就处理不了。2020年那时候BERT的max_length还是512，超过512的文本需要截断或者分段处理，这个限制在长文本任务中非常明显。

4.2 Multi-Head Attention的计算与维度推演

另一道更细的题考到了Multi-Head Attention的具体计算过程，题目大概是这样的：假设输入序列长度为L，每个词的embedding维度是d_model，多头注意力的头数是h，问：每个头里Q、K、V的维度是多少？注意力权重在softmax之前为什么要除以d_k的平方根？

这道题如果你没亲自动手算过维度，很容易答错。正确的推理是：每个头的维度是d_k = d_model / h。在输入x经过线性变换得到Q、K、V之后，它们的原始维度都是d_model，但在多头注意力中，d_model被切分成h个头部，每个头部对应一个维度为d_k的子空间，所以每个头里的Q、K、V维度就是d_k。加和拼接之后，把所有头的输出拼接成维度d_model，再经过一个输出投影矩阵。

至于为什么要除以d_k的平方根，这是一个数值稳定性问题。当d_k比较大的时候，Q和K的点积结果方差也会变大。简单推导一下：假设Q和K的每个元素都是均值为0、方差为1的独立随机变量，那么它们的点积Q·K = Σ(q_i * k_i)，共d_k项，乘积的期望是0，方差是d_k，标准差是√d_k。也就是说，当d_k越大，点积结果的数值波动范围就越大，经过softmax之后，会使概率分布变得非常尖锐，某些位置的注意力权重接近1、其他位置接近0，这会带来梯度消失的风险，导致模型难以训练。除以√d_k之后，点积结果的方差被拉回到1附近，softmax的输入分布更均匀，梯度能更好地流动。

我当时答这道题时，还专门把整个计算流程在草稿纸上走了一遍。这种题光靠背公式是不够的，你得能推出为什么是这样。

4.3 BERT的预训练任务与下游微调细节

关于BERT，那道简答题问的是：BERT的两个预训练任务分别是什么？它们各自解决了什么问题？如果让你用BERT做文本匹配任务，你会怎么设计输入和输出？

BERT的两个核心预训练任务，一个是Masked Language Model，简称MLM，一个是Next Sentence Prediction，简称NSP。MLM的思路类似完形填空：随机把输入中15%的token用[MASK]替换，然后让模型预测这些被遮住的词。之所以不完全用[MASK]替换，而是采用一个巧妙的策略——80%的概率真的替换成[MASK]，10%的概率替换成随机词，10%的概率保持不变——是为了缓解预训练和微调之间不一致的问题，因为微调阶段输入中是没有[MASK]的。

NSP任务则是判断两句话是否为相邻的上下文。模型把第一句话和第二句话用[SEP]分隔符拼接起来，然后用[CLS]位置的输出做二分类预测。NSP任务的设计初衷是让模型学习句子级别的关系，这对问答、自然语言推理这类任务很重要。不过后来有研究发现NSP的作用并没有那么明显，甚至可能有些负作用，这也是为什么后来的RoBERTa模型直接把NSP去掉了。但2020年那会儿，BERT原版的设计思路依然是考察重点。

如果让我用BERT做文本匹配任务，我会把两句话拼接成"[CLS] 句子A [SEP] 句子B [SEP]"，然后把[CLS]位置的向量拿出来，接一个全连接层做二分类。这个[CLS]向量在BERT的设计中承担了聚合整个序列信息的职责，因为它在每一层都能通过注意力机制看到序列中所有的词。这里有一个实操细节：在线推理的时候，文本匹配的输入往往是一对一对来的，我们可以把同一个句子和多个待匹配句子组成batch，这样能充分利用GPU并行能力，而不需要为每个句子对单独计算一次。

5. 编程题与综合设计：真正拉开差距的地方

编程题和开放题是四范式秋招笔试里我最喜欢的部分，因为它最能体现一个人是真的做过NLP项目，还是只停留在刷题和背题层面。这部分题目往往没有标准答案，但只要你的思路和方案有理有据，就能拿到分数。

5.1 编程题的常见考法与答题思路

2020年秋招的编程题我记得有两道，一道是传统的算法题，一道是机器学习相关的代码实现题。

传统算法题我记得和字符串处理有关，具体题目记不太清了，但思路和最长公共子序列或者编辑距离是同一类。这种题在NLP岗位的笔试中出现频率很高，因为它考察的是最基本的序列处理能力和动态规划思想，这些能力在做文本对齐、纠错、序列标注时都会用到。

机器学习相关的代码实现题，我记得有一个是关于softmax的。题目让你实现一个数值稳定的softmax函数。如果你只是按照定义写：

def softmax(x): exp_x = np.exp(x) return exp_x / exp_x.sum(axis=-1, keepdims=True)

这种写法在输入数值比较大时会溢出，因为np.exp(1000)直接就是无穷大。数值稳定的写法是，先减去最大值：

def softmax(x): x_max = np.max(x, axis=-1, keepdims=True) exp_x = np.exp(x - x_max) return exp_x / exp_x.sum(axis=-1, keepdims=True)

这个减最大值的操作不会改变softmax的结果，因为分子分母同时除以exp(x_max)，在数学上是等价的，但在数值上能避免溢出。我当时看到这道题时，内心有点小庆幸，因为我之前在实际项目里亲手动写过softmax，知道这个坑，如果只是纸上谈兵背公式，很容易写成一个数值不稳定的版本。

这类编程题暴露一个规律：NLP岗位的编程题不是纯粹的LeetCode题，它更偏向于让你实现一个和模型训练、文本处理相关的功能模块，而且会考察你对数值稳定性和边界条件的理解。所以备考的时候，不要只刷算法题，也要多手写一些和模型相关的工具函数，比如分词、one-hot编码、attention计算、mask处理等。

5.2 场景设计题：给呼叫中心做意图识别系统的完整思路

四范式卷子里分值最高的一道题是场景设计题。题目大概是这样：假设你接手一个呼叫中心业务，需要自动识别用户来电的意图并进行分类，整体流程从数据准备到模型上线，你会怎么设计？

这道题我认为是整套卷子里含金量最高的一道题，因为它考察的是你是否有过真实的NLP项目经验，而不是单纯的知识储备。我当时从以下几个维度来拆解这个问题：

第一步是问题定义和标签体系设计。意图识别本质上是一个文本分类问题，但难点在于意图标签体系的设计。你需要和业务方一起把"意图"这个抽象概念落地成具体的标签，比如"咨询账单""办理业务""投诉""销户"等。标签体系的粒度直接影响模型的复杂度：粒度太粗，用户诉求区分不清；粒度太细，标注成本和模型训练难度都会上升。

第二步是数据采集与标注。真实业务中，最原始的语料通常是客服通话转写的文本或者在线客服的聊天记录。这些文本有大量的口语表达、语气词、错字、停顿，直接用来训练模型效果很差，所以需要做清洗和标注。标注环节需要注意标注一致性，也就是不同标注人员对同一条文本的标注结果要尽量一致。我当时提到可以用主动学习来降低标注成本：先用少量标注数据训练一个初始模型，然后用模型挑选出最不确定的样本交给人工标注，这样能把标注资源集中在最有价值的样本上。

第三步是模型选型。我给的方案是分两个阶段：先用TF-IDF加逻辑回归或者FastText做一个快速的baseline，目的是快速验证标签体系和数据质量，然后在这个基础上再换BERT类的预训练模型来提升准确率。之所以不一步到位直接上BERT，是因为BERT的训练和推理成本都更高，如果baseline已经能达到90%的准确率，你就要评估剩下的10%值不值得花更大的成本去提升。

第四步是上线后的持续优化。模型上线不代表事情就结束了，你需要建立数据回流机制，定期收集模型预测错误的新样本，加入训练集进行迭代更新。同时要监控模型在不同意图类别上的准确率和召回率，一旦某个类别的效果明显下滑，就要排查是不是用户表达的变化或者新话术的出现导致的。

这道题我当时答得比较细，四大段全部铺开写，到最后时间不够用了。复盘下来最核心的经验是：方案设计题要讲清楚"为什么选择这个方案"以及"方案如何落地"，比单纯堆砌技术名词要有用得多。还有一个心得是，设计意图识别系统时最容易被忽略的是"拒绝识别"这一类，也就是那些不属于任何预设意图的垃圾输入。没有这个类别，模型就会把一切文本强行归到某个意图里，上线之后会很痛苦。

5.3 开放题：工业界和学术界关注点的差异

开放题我记得有一道和文本分类有关，但它问的角度很特别：在资源有限的情况下，你如何为一个特定的业务场景快速搭建一个文本分类系统，并说明你在准确率、速度、可解释性之间如何权衡。

这道题本质上是考你工程化的思维。我记得当时的回答核心思路是：从基线开始，逐步升级，每一步都做A/B测试来验证收益。我的方案大致是这样的：

冷启动阶段直接用规则加词典。如果业务场景相对垂直，比如只判断文本里是否提到了某个关键词，那用一个精心设计的规则系统可能就能解决80%的问题，而且它的最大优势是快、可解释、可精准调整。

当规则覆盖不了的时候，再加一个机器学习模型。特征可以从TF-IDF、词性、句法依赖等维度来设计，模型可以用逻辑回归或者FastText。逻辑回归的可解释性很好，你可以直接看每个特征的权重，在网上排查badcase时会很有帮助。

如果业务精度要求实在很高，最后才上BERT级别的预训练模型。但需要注意，预训练模型在提升精度的同时也带来了三个问题：推理时间变长、硬件成本增加、可解释性下降。所以在实际落地时，很多团队会采用级联策略：先用规则或轻量模型做初筛，只有初筛不确定的样本才进入重模型。这样既保证了整体精度，又控制了计算成本。

这道题我印象很深，因为它和我之前在实习中做过的知识问答项目非常像。当时我们的方案就是在规则、TF-IDF加XGBoost、BERT三级方案之间做了大量的线下对比，最后发现对于我们的数据和场景，XGBoost阶段已经能覆盖绝大多数需求，只有长尾问题需要靠BERT兜底。所以我在笔试里写这个例子时非常有底气，因为真的跑过数据、对比过效果，而不是凭想象在给方案。

6. 备考复盘心得：从这套题看四范式到底在招什么人

整套卷子做完，我对四范式NLP岗位的用人画像有了一个比较清晰的判断。它要的不是只会调包调参的人，而是能理解算法原理、能动手实现、并且能把技术放到业务场景里检验的人。这类公司在招人的时候明确在找那种"能搞定问题的工程师"而不是"会背知识点的学生"。

如果准备参加类似的AI公司笔试，我的建议有这么几点。复习机器学习基础时，不要只停留在知道公式是什么，而是要把公式推一遍，理解每个符号的含义和为什么要引入某个操作。复习NLP基础时，要把重点放在语言模型、词向量、序列标注、注意力机制、Transformer架构这些核心模块上，对这些基础概念要能做到讲清楚它们在上下游任务中的作用。刷题之外，如果时间允许，建议去跑通一两个完整的NLP小项目，比如做一个文本分类器，从数据清洗到模型训练到效果评估都亲手做一遍，这样在应对场景设计题时会自然得多，因为所有的坑你都踩过了。

最后再分享一个当时我自己踩过的坑，笔试时间分配。这套卷子的开放题非常费时间，因为它需要你组织语言的逻辑性，而我一开始在选择题上花的时间太多了，导致后面开放题写得很赶。如果重来一次，我会先把所有题都扫一遍，花两分钟判断每道题的大致耗时，先做自己最有把握的题目，把该拿的分拿到手，再回头去啃那些需要大量推导的题。这种考场策略看起来很简单，但真到时间紧张的时候，它可能决定你是70分还是85分。