01-29 00:50 电子科技大学 算法工程师
关注
腾讯微信大模型算法实习一面
1.Transformer 中为什么要用多头注意力？单头注意力有什么局限性？
2.Transformer的并行化讲一讲；为什么要除根号dk
3.LoRA 和全参数微调相比，在推荐场景下各自的优缺点是什么？
4.为什么在推荐系统中引入 RAG？知识库的数据来源和构建流程是怎样的？
5.嵌入模型为什么选 BGE？FAISS 索引是如何构建的？
6.RAG 的 chunk 划分策略是什么？
7.什么场景需要GraphRAG，它的好处是什么？
8.项目中用了LangGraph实现多工具调用链路，相比纯Prompt 有什么优势？
9.当输入超过模型上下文长度时，有哪些主流解决方案？（如滑动窗口、压缩、摘要）
10.手撕：合并区间（LeetCode 56）
2.Transformer的并行化讲一讲；为什么要除根号dk
3.LoRA 和全参数微调相比，在推荐场景下各自的优缺点是什么？
4.为什么在推荐系统中引入 RAG？知识库的数据来源和构建流程是怎样的？
5.嵌入模型为什么选 BGE？FAISS 索引是如何构建的？
6.RAG 的 chunk 划分策略是什么？
7.什么场景需要GraphRAG，它的好处是什么？
8.项目中用了LangGraph实现多工具调用链路，相比纯Prompt 有什么优势？
9.当输入超过模型上下文长度时，有哪些主流解决方案？（如滑动窗口、压缩、摘要）
10.手撕：合并区间（LeetCode 56）
全部评论
相关推荐
查看7道真题和解析