腾讯大模型实习面经 感觉还可以

整体面试还是不错的，发下面经给大家参考～
1.实习介绍
2.在微调大模型时使用过哪些框架
3.CLIP模型的zero-shot能力是如何实现的？
4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？
5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？
6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。
7.针对Transformer模型推理过程，会采用哪些优化手段
8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。
9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？
10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景