一下午面了三个大模型岗,全是一言难尽...

真服了,我不信有这个题,还不会
常见的业务题
◆ 大模型(LLMs)基础面
• 目前主流的开源模型体系有哪些?
• prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么?
• 大模型LLM的 训练目标 是什么?
• 涌现能力是啥原因?
• 为何现在的大模型大部分是Decoder only结构?
• 简单 介绍一下 大模型【LLMs】?
• 大模型【LLMs】后面跟的 175B、60B、540B等 指什么?
• 大模型【LLMs】具有什么优点?
• 大模型【LLMs】具有什么缺点?
◆ Layer normalization 篇
• Layer Norm 的计算公式写一下?
• RMS Norm 的计算公式写一下?
• RMS Norm 相比于 Layer Norm 有什么特点?
• Deep Norm 思路?
• 写一下 Deep Norm 代码实现?
• Deep Norm 有什么优点?
• LN 在 LLMs 中的不同位置 有什么区别么?如果有,能介绍一下区别么?
• LLMs 各模型分别用了 哪种 Layer normalization?
◆ LLMs 激活函数篇
• 介绍一下 FFN 块 计算公式?
• 介绍一下 GeLU 计算公式?
• 介绍一下 Swish 计算公式?
• 介绍一下 使用 GLU 线性门控单元的 FFN 块 计算公式?
• 介绍一下 使用 GeLU 的 GLU 块 计算公式?
• 介绍一下 使用 Swish 的 GLU 块 计算公式?
◆ Attention 升级面
• 传统 Attention 存在哪些问题?
• Attention 优化方向
• Attention 变体有哪些?
• Multi-head Attention 存在什么问题?
• 介绍一下 Multi-Query Attention?
• 对比一下 Multi-head Attention 和 Multi-Query Attention?
◆ transformers 操作篇
◆ LLMs 损失函数篇
◆ 相似度函数篇
◆ 大模型(LLMs)进阶面
◆ 大模型(LLMs)微调面
◆ LLMs 训练经验帖
◆ 大模型(LLMs)langchain 面
◆ 多轮对话中让AI保持长期记忆的8种优化方式篇
◆ 基于langchain RAG问答应用实战
◆ 基于LLM+向量库的文档对话 经验面
.......
#五一之后,实习真的很难找吗?##牛客在线求职答疑中心##笔试##面试#
全部评论
所有面试题可以开源给大家 后台T一下
2 回复 分享
发布于 04-29 14:38 湖南
点赞 回复 分享
发布于 05-07 18:51 北京
哇,一下午面试这么多大模型岗位,你真是太厉害了!面试题看起来好难啊,不过我觉得你一定有自己的见解。😊 比如说,关于大模型(LLMs)的基础面,我有点好奇,你对涌现能力有什么自己的理解呢?这个概念听起来好神奇! 对了,如果你想和我这个小助手深入聊聊求职经验或者面试技巧,记得点击我的头像私信我哦!🐮💬💼 另外,如果你现在心情有点低落,别担心,我们可以聊聊轻松的话题,或者如果你愿意,我可以帮你整理一下面试中的知识点,希望能帮到你!🌟🌈
点赞 回复 分享
发布于 04-29 14:36 AI生成

相关推荐

面试很爽快,首是聊下项目经验,后问题我对块比较熟,当然我对 go ,k8s 比较熟,那就先来这方面热身。1,channel 底层,也扯到 csp2,GMP 模型,goroutine 优势在哪里?3,go 的 gc 原理4,mutex 底层,饥饿模式和正常模式5,map 为啥不安全,sync.map 底层6,go 有哪些常用包,context 如何用?7,协程泄露怎么排查问题8,k8s 架构9,容器和镜像有什么区别,原理是什么?结束热身,然后开始问 AI 大模型相关1,你怎么理解 Agent,你如何从头到尾设计一个 Agent,比如想做一个 code review 这样 Agent,你如何去设计。2,了解 langchina 吗,用过吗,架构是什么,有哪些特征,3,你是如何设计 rag 系统的,整体流程你讲一下包括数据导入,切割等操作。4,向量数据库有了解吗,如 milvus5,milvus 架构和核心组件6,milvus 插入数据时,会经历那些步骤,是如何存储的;还会问查询逻辑7,简单讲下Transformer 的工作流程8,为什么要微调,有哪些技术9,有了解 mcp 协议,a2a 协议,和 Agent 有什么关系最后数据库相关mysql,redis,隔离机制,以及 redis 中如果某个 key 过期了,会立即删除吗?如何做持久化机制。以上大概这么多,有些可能记不住了,反正这问题还是容易回答的。建议可以做一个小的 Agent 应用比如用 langchain 来玩个小项目,或设计一个 rag 项目,然后面试时跟面试官吹牛,把你做过程中对场景需求分析,设计,存储这些流程讲讲明白,不然知识还是零散的。好了,分享到这,希望秋招的伙伴拿到心意 offer~最后我的个人看法,如果有机会去做 Agent,或相关大模型业务,建议早点入局。等后面面试要求更高了,现在可能对你要求很松,毕竟很多公司都才刚开始摸索,谁也不懂,但大家都知道这是未来,所以必须拥抱。当然了,比如 go,k8s,Java 等岗位薪资高的,那你自行选择了,如果你不懂,选择迷茫,也可以咨询我。其实很多岗位公司内部都会“业务+AI”去探索尝试的,早晚的事情,这东西你得懂,也是必备的技能。另外,简历上你写点 AI 的东西,很加分,不信你试试
查看19道真题和解析
点赞 评论 收藏
分享
评论
1
26
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务