首页

投稿

研二/大三吃透大模型LLM大厂面试真题300问，7天学完，让你面试少走99%弯路！【存下吧，附精心整理的面试宝典，学完即可面试上岗】

4.6万

198

2025-10-25 11:33:00

未经作者授权，禁止转载

面试瘾犯了...

大模型项目

大模型面试题

吴恩达大模型发消息

助力技术人的每一次成长｜提供晚间免费直播课！欢迎咨询：人工智能基础课程/大模型课程/论文发表

1.大模型面经--attention篇

13:14

1.大模型面经--Encoder-only模型是什么

09:23

1.大模型面经--量化篇

21:41

1.大模型面经--微调篇

19:43

1.大模型面经--位置编码篇

17:50

1.大模型面经--以Transformer为例大模型面试题目学习方法

10:04

1.怎么解决大模型幻觉问题

10:47

2.Agent如何搭建

10:44

3.PPO与DPO的区别

10:06

4.vllm的推理加速是怎么实现的

10:14

5.大模型微调流程是怎样的

10:53

6.大模型意图识别是怎么做的

10:23

7.大模型应用如何保证实时性和多轮对话一致性

10:48

8.解释下模型蒸馏和模型量化

10:03

9.解释下全参数微调、Lora、QLora区别

10:41

10.模型微调怎么评估效果

10:44

11.如何保证大模型生成内容的合规性

10:38

12.如何降低大模型API服务的推理延迟和成本

11:17

13.如何利用大模型实现多模态任务

10:28

14.什么是大模型epoch和学习率

11:13

15.什么是过拟合和欠拟合

11:20

16.提示词工程能解决什么问题

10:34

17.微调时模型遗忘怎么解决

10:53

18.为什么选择向量数据库，而不是传统数据库

11:23

19.详述Transformer多头自注意力机制

10:10

20.详细说下LangChain框架应用场景

10:56

21.详细说下RAG的流程

10:32

22.怎么针对超长文本进行微调训练

10:29

23.DeepSpeed ZeRO的显存优化策略

10:52

24.GPT与BERT的核心区别及各自优势

10:38

25.LayerNorm vs BatchNorm的适用场景

10:56

26.LoRA的原理及参数量计算

10:50

27.Transformer的编码器-解码器结构工作流程

10:42

28.Transformer中位置编码的作用

10:50

29.大模型评估指标BLEU、ROUGE、Perplexity适用场景

10:54

30.大模型位置编码的演进

10:54

31.大模型训练中梯度消失和爆炸的解决方案

10:56

32.大模型灾难性遗忘的解决方案

10:32

33.大模型长文本处理的优化方案

10:43

34.对比AE、VAE、GAN的生成机制

10:38

35.对比LSTM&GRU与Transformer的长距离依赖处理能力

10:56

36.对比SFT、RLHF、DPO的优劣

10:44

37.混合精度训练的实现步骤及Loss Scaling作用

10:53

38.混合专家模型（MoE）如何降低计算成本？

10:30

39.解释FlashAttention的显存优化原理

10:32

40.解释LLaMA的RMSNorm和SwiGLU激活函数改进

10:55

顶部