了解 NMS 吗？说说原理和变体。

先这样答

NMS 是非极大值抑制。它按候选框的置信度从高到低排序。算法先取出最高分框。然后删除与这个框 IoU 超过阈值的其他框。算法重复这个过程，直到候选框处理完。

NMS 的核心是保留最高分结果，去掉和它重叠过大的结果。它能减少多个候选框同时指向同一目标的情况。这里的删除是硬删除。被当前最高分框压过的候选框会直接移出后续处理。

NMS 也有一些变体。Soft-NMS 不直接删除重叠框，而是降低它们的分数，再继续参与排序。DIoU-NMS 在判断时加入中心距离，让框之间的中心距也参与处理。这个思路也能和 LLM 或 Agent 结合。Agent 生成多个候选答案或动作时，可以按质量排序，保留最优候选，再去掉相似度过高的候选，从而减少重复输出。

面试官会怎么追问

• 「NMS 的具体处理顺序是什么？」 先按置信度排序。取出当前分数最高的框。删除与它 IoU 超过阈值的其他框。重复执行，直到候选框处理完。

• 「Soft-NMS 和普通 NMS 的区别是什么？」 普通 NMS 会直接删除满足条件的框。Soft-NMS 不做硬删除，而是降低这些框的分数。降权后的框仍然可以参与后续排序。

• 「DIoU-NMS 为什么要考虑中心距？」 DIoU-NMS 不只看框之间的 IoU。它还考虑候选框与当前框的中心距离。这样可以把中心距纳入抑制判断。

回答的坑

• 不要把 NMS 说成只保留一个框，它会循环处理候选框并保留多个结果。

• 不要混淆 Soft-NMS 和普通 NMS，前者降权，后者删除。