西江·汉阳夜间AI研究生院面试题集 - 拆解10篇合格心得

TL;DR

备考2027学年春季西江大学AI·SW研究生院(面试11/28)和汉阳大学人工智能融合研究生院(面试12/5)时, 我按时间顺序收集整理了10篇以上公开的合格心得, 汇总成面试题集。
两校形式完全不同。西江是2~3位教授对5名考生的多对多, 汉阳是2位教授对2名考生, 且会在先答者之后问另一人"有没有要补充的"。
题目的主干是基础: 过拟合, 梯度下降, 损失函数, sigmoid链条, 再到树与图, 二叉搜索树, 归并与快速排序。也有被问到Transformer和GPT的记录。
反转是"没答上也合格"的案例不止一个。2026年1月汉阳合格者没答好快排, 同月西江合格者只被问了3个问题并在长时间沉默中结束。两人都最终合格。
对在职考生每年必问的是"公司知道你要读研吗, 能兼顾吗"。先准备好这个答案。

两校都是夜间授课的专业硕士, 提交材料者全员面试。汉阳没有材料淘汰, 西江仅按面试成绩排名录取。也就是说决定成败的是10~20分钟的对话, 不是成绩单。

来源是2020年至2026年1月的10篇以上开发者博客。同一年份有多篇时优先采用原样引用问题的文章, 西江旧名(信息通信研究生院)时期的心得也作为形式交叉验证纳入。

2026年1月, 软件Track在职10年网页开发者合格案例。3道技术题"不深但广", 问的是做过什么工作, 有过什么思考, 而非实现细节。不会的题如实说不会, 问题少而沉默很长, 仍然合格。

2025年4月AI Track案例中本专业与非专业问题分开: 非专业问回归分析, 线性回归, 微分概念; 本专业问数据结构和编程基础。

2024年12月AI/数据科学合格者的追问链展示出这所学校的主干: 从AI学习经验到"sigmoid函数是什么""什么是梯度消失""什么是skip-connection"。

2024年2月4年经验ML工程师被问"如何分类猫和狗""如何把不同人识别为同一类"这类思考题。再加上每年必带的"公司是否知情, 能否配合"。

2026年1月(2026学年春季)合格者的5道真题是核心: 自我介绍, 树与图的区别, 什么是二叉搜索树, 如何防止过拟合, 归并排序与快速排序。快排没答好也合格了。同一后记还提到看到旧后记里有线性代数问题而追加准备了线性代数。

2022年5月(公共机关在职3.5年合格者): 用什么深度学习框架, 什么是梯度下降, MSE与交叉熵损失函数的区别, 以及面向在职者的转行动机类问题。

同年同伴有被问到Transformer和GPT而答不上来的记录。出题光谱很宽: 抓牢基础, 再把自己最强的一个领域准备深。

比起漂亮的通过, "有短板但合格了"的记录更多: 快排失败, 长时间沉默, "计算机问题比AI多"的意外。共同点是答案短而抓住核心, 不会就承认。

反面是2023年区块链Track后记: 不懂装懂地绕, 结果语无伦次, 作者自己总结"还不如直接说不知道"。这些面试考察的是学习意愿和态度, 不是知识量。