05-13 16:11 字节跳动_gmpt_开发(实习员工) 发布于河南
发布于河南 关注
字节春招大模型测开一面面经
面试的是大模型相关测试的部门，题目比较基础，但是牵扯到大模型相关的知识了，全部回答上来了，但是回答的模棱两可（太菜导致的）
1.解释一下 Transformer 的 Encoder 和 Decoder 的区别和分别做什么的？
2为什么模型参数越多，不一定代表单个 Token 推理成本越高呢？
3.为什么 MoE会导致模型参数越多，不一定代表单个 Token 推理成本越高呢？
4.解释一下什么是灾难性遗忘？
5.为什么模型会出现幻觉？
6.Temperature这个参数是干嘛的？
7.Temperature → 0 时还会有幻觉吗？
8.在向量数据库里，两个同义词是什么关系？
9.假如有完全相同意思的词语，会出现在一条线上吗？
10.RAG 的工作流程是什么？
11.从一个 Query 进来开始，完整描述一下 RAG 的流程。
12.如果 RAG 检索到的 Chunk 不足以回答问题，后续会怎么处理？
1.解释一下 Transformer 的 Encoder 和 Decoder 的区别和分别做什么的？
2为什么模型参数越多，不一定代表单个 Token 推理成本越高呢？
3.为什么 MoE会导致模型参数越多，不一定代表单个 Token 推理成本越高呢？
4.解释一下什么是灾难性遗忘？
5.为什么模型会出现幻觉？
6.Temperature这个参数是干嘛的？
7.Temperature → 0 时还会有幻觉吗？
8.在向量数据库里，两个同义词是什么关系？
9.假如有完全相同意思的词语，会出现在一条线上吗？
10.RAG 的工作流程是什么？
11.从一个 Query 进来开始，完整描述一下 RAG 的流程。
12.如果 RAG 检索到的 Chunk 不足以回答问题，后续会怎么处理？
全部评论
测开小登的自我救赎
门头沟学院 测试开发
佬多久面的
现在还在补录吗
现在还在补录吗相关推荐
点赞 评论 收藏
分享
查看3道真题和解析 点赞 评论 收藏
分享