昨天 06:55 门头沟学院 算法工程师
关注
字节Agent大模型算法一面 面经分享
攒攒人品！有面试过同岗的朋友欢迎评论区交流
1.如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？
2.LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？
3.KV Cache 是什么？为什么能提升推理速度？
4.RAG 的完整流程是怎样的？
5.微调时的训练数据是怎么构建的？如何保证样本多样性和质量？
6.在 RAG + 知识图谱的 Agent 系统中，知识图谱更新机制是怎样的？
7.在高并发查询的 Agent 系统中，你会如何优化召回和生成阶段的延迟？
8.训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？
9.大规模 Agent 系统在多线程场景下，资源调度策略如何设计？
1.如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？
2.LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？
3.KV Cache 是什么？为什么能提升推理速度？
4.RAG 的完整流程是怎样的？
5.微调时的训练数据是怎么构建的？如何保证样本多样性和质量？
6.在 RAG + 知识图谱的 Agent 系统中，知识图谱更新机制是怎样的？
7.在高并发查询的 Agent 系统中，你会如何优化召回和生成阶段的延迟？
8.训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？
9.大规模 Agent 系统在多线程场景下，资源调度策略如何设计？
全部评论
相关推荐
查看22道真题和解析 点赞 评论 收藏
分享
