2025秋招AI热题：NLP 与代码智能TOP80

飞哥的AI笔记
103 阅读6分钟

对话系统+代码生成是LLM的两大杀手级应用

核心内容：

  1. 对话系统

    • 意图识别与槽位填充
    • 对话状态跟踪（DST）
    • 对话策略学习

  2. 知识图谱

    • 实体识别与关系抽取
    • 知识融合与推理
    • 图谱与LLM结合

  3. 代码智能

    • 代码理解与生成
    • 代码补全原理（Copilot）
    • 自动化测试生成
    • Bug检测与修复

  4. 文本生成与理解

    • 摘要生成技术
    • 情感分析与观点挖掘
    • 机器翻译基础

对话系统基础

  1. 任务型对话和闲聊型对话有什么区别？各自的技术路线是什么？
  2. 对话系统的Pipeline包括哪些模块？NLU、DST、Policy、NLG分别是什么？
  3. 什么是意图识别（Intent Recognition）？怎么判断用户想干什么？
  4. 槽位填充（Slot Filling）是什么？怎么提取用户输入里的关键信息？
  5. 联合建模（Joint Modeling）为什么比分开做意图识别和槽位填充更好？
  6. 什么是对话状态跟踪（Dialogue State Tracking）？对话状态包括什么？
  7. DST怎么处理多轮对话？历史轮次的信息怎么利用？
  8. 对话策略（Dialogue Policy）怎么学习？规则、监督学习、强化学习哪个更好？
  9. 什么是对话管理（Dialogue Management）？怎么决定下一步该做什么？
  10. 自然语言生成（NLG）在对话里怎么用？模板、检索、生成各有什么优缺点？
  11. 端到端对话系统和模块化对话系统有什么区别？
  12. Seq2Seq模型怎么做对话？Encoder-Decoder架构怎么训练？
  13. 对话里的上下文怎么编码？怎么让模型记住前面说了什么？
  14. 什么是对话历史窗口？保留多少轮对话合适？
  15. 多轮对话的指代消解（Coreference Resolution）怎么做？"它"指的是什么？
  16. 对话系统怎么处理ASR错误？语音识别错了怎么办？
  17. 对话系统的评估指标有哪些？BLEU、ROUGE够用吗？
  18. 人工评估对话系统怎么做？流畅度、相关性、信息量怎么打分？
  19. 对话系统的冷启动怎么做？没有对话数据怎么办？
  20. 大模型时代，传统对话系统的Pipeline还需要吗？

知识图谱与信息抽取

  1. 什么是知识图谱？实体、关系、属性分别是什么？
  2. 知识图谱怎么构建？从无到有的流程是什么？
  3. 命名实体识别（NER）怎么做？BIO标注是什么？
  4. 基于CRF的NER和基于BERT的NER有什么区别？
  5. 关系抽取（Relation Extraction）是什么？怎么识别实体之间的关系？
  6. Pipeline方式和联合抽取（Joint Extraction）有什么区别？
  7. 事件抽取（Event Extraction）是什么？触发词、论元、角色怎么识别？
  8. 远程监督（Distant Supervision）是什么？怎么自动生成训练数据？
  9. 知识图谱补全（Knowledge Graph Completion）怎么做？怎么预测缺失的关系？
  10. TransE、DistMult、ComplEx这些知识图谱嵌入方法有什么区别？
  11. 知识图谱怎么和大模型结合？检索增强生成（RAG）怎么用图谱？
  12. 图谱推理（Knowledge Graph Reasoning）是什么？怎么做多跳推理？
  13. 实体链接（Entity Linking）是什么？怎么把文本里的提及映射到知识库？
  14. 实体消歧（Entity Disambiguation）怎么做？"苹果"是水果还是公司？
  15. 知识融合（Knowledge Fusion）是什么？多个知识源怎么整合？

文本生成与理解

  1. 文本摘要（Text Summarization）怎么做？抽取式和生成式有什么区别？
  2. 什么是指针网络（Pointer Network）？抽取式摘要怎么用？
  3. 生成式摘要的ROUGE分数怎么计算？ROUGE-1、ROUGE-2、ROUGE-L是什么？
  4. 摘要的Factual Consistency怎么保证？怎么避免生成错误信息？
  5. 长文本摘要怎么做？超过模型上下文长度怎么办？
  6. 情感分析（Sentiment Analysis）怎么做？正面、负面、中性怎么分？
  7. 细粒度情感分析（Aspect-based Sentiment Analysis）是什么？
  8. 观点挖掘（Opinion Mining）和情感分析有什么区别？
  9. 文本分类（Text Classification）的经典模型有哪些？CNN、LSTM、BERT怎么选？
  10. 零样本文本分类（Zero-shot Classification）怎么做？大模型能直接分类吗？
  11. 文本相似度怎么计算？编辑距离、余弦相似度、语义相似度有什么区别？
  12. 语义匹配（Semantic Matching）怎么做？BERT的[CLS] token够用吗？
  13. 问答系统（QA System）怎么分类？抽取式、生成式、检索式有什么区别？
  14. 阅读理解（Reading Comprehension）怎么做？SQuAD数据集测什么？
  15. 机器翻译（Machine Translation）的BLEU分数怎么算？多高算好？

代码智能基础

  1. 代码大模型和文本大模型有什么区别？代码数据怎么预训练？
  2. Codex、CodeGen、StarCoder这些代码模型有什么特点？
  3. 代码补全（Code Completion）怎么做？GitHub Copilot的原理是什么？
  4. FIM（Fill-in-the-Middle）是什么？为什么代码补全需要这个能力？
  5. 代码生成的评估指标有哪些？Pass@k是什么意思？
  6. HumanEval、MBPP这些代码评测集测什么？
  7. 代码理解（Code Understanding）包括哪些任务？
  8. 代码摘要（Code Summarization）怎么做？怎么自动生成函数注释？
  9. 代码搜索（Code Search）怎么实现？自然语言查询怎么匹配代码？
  10. 代码克隆检测（Code Clone Detection）是什么？怎么找相似代码？
  11. 程序修复（Program Repair）怎么做？怎么自动修Bug？
  12. 代码翻译（Code Translation）是什么？Python转Java怎么做？
  13. 测试用例生成（Test Generation）怎么做？怎么自动写单元测试？
  14. 代码模型的上下文怎么构建？Repo-level理解怎么做？
  15. 代码模型怎么理解跨文件的依赖关系？

AI编程工具

  1. GitHub Copilot的实现原理是什么？怎么做到实时补全？
  2. Cursor、Windsurf这些AI IDE有什么特点？和传统IDE有什么区别？
  3. Copilot Chat怎么实现的？怎么在IDE里对话式编程？
  4. 代码Agent能做什么？自动写代码、改代码、测代码怎么实现？
  5. Devin、OpenDevin这些AI程序员到底能干什么？
  6. 代码Agent怎么使用工具？终端、浏览器、编辑器怎么调用？
  7. 代码Agent的规划能力怎么实现？怎么把需求拆解成子任务？
  8. 代码生成的可靠性怎么保证？生成的代码能直接用吗？
  9. 代码的单元测试怎么自动生成？怎么验证代码正确性？
  10. 代码的安全性怎么检查？怎么避免生成有漏洞的代码？
  11. 代码重构（Code Refactoring）能自动化吗？怎么优化代码结构？
  12. 技术债务检测（Technical Debt Detection）怎么做？坏味道怎么识别？
  13. 代码Review能用AI做吗？怎么自动提PR建议？
  14. 文档生成（Documentation Generation）怎么做？API文档能自动写吗？
  15. AI编程工具的未来是什么？程序员会被替代吗？
avatar
文章
阅读
粉丝