我精选30个大模型高频面试题，分享给大家

1. 介绍一下postlayernorm和prelayernorm的区别
2. 什么是思维链（CoT）提示？
3. 你觉得什么样的任务或领域适合用思维链提示？
4. 你了解ReAct吗，它有什么优点？
5. 解释一下langchainAgent的概念
6. langchain有哪些替代方案？
7. langchaintoken计数有什么问题？如何解决？
8. LLM预训练阶段有哪几个关键步骤？
9. RLHF模型为什么会表现比SFT更好？
10. 参数高效的微调（PEFT）有哪些方法？
11. LORA微调相比于微调适配器或前缀微调有什么优势？
12. 有了解过什么是稀疏微调吗？
13. 训练后量化（PTQ）和量化感知训练（QAT）与什么区别？
14. LLMs中，量化权重和量化激活的区别是什么？
15. AWQ量化的步骤是什么？
16. 介绍一下GPipe推理框架
17. 矩阵乘法如何做张量并行？
18. 请简述下PPO算法流程，它跟TRPO的区别是什么？
19. 什么是检索增强生成（RAG）？
20. 自前主流的中文向量模型有哪些？
21. 为什么LLM的知识更新很困难？
22. RAG和微调的区别是什么？
23. 大模型一般评测方法及基准是什么？
24. 什么是KVCache技米，它真体是如何实现的？
25. DeepSpeed推理对算子融合做了哪些优化？
26. 简述一下FlashAttention的原理
27. MHA，GQA，MQA三种注意力机制的区别是什么？
28. 请介绍一下微软的ZeRO优化器
29. PagedAttention的原理是什么，解决了LLM中的什么问题？
30. 什么是投机采样技术，请举例说明？

用通俗易懂方式讲解系列

• 《大模型面试宝典》(2024版) 正式发布！

• 《大模型实战宝典》（2024版）正式发布！

• 用通俗易懂的方式讲解：自然语言处理初学者指南（附1000页的PPT讲解）

• 用通俗易懂的方式讲解：1.6万字全面掌握 BERT

• 用通俗易懂的方式讲解：NLP 这样学习才是正确路线

• 用通俗易懂的方式讲解：28张图全解深度学习知识！

• 用通俗易懂的方式讲解：不用再找了，这就是 NLP 方向最全面试题库

• 用通俗易懂的方式讲解：实体关系抽取入门教程

• 用通俗易懂的方式讲解：灵魂 20 问帮你彻底搞定Transformer

• 用通俗易懂的方式讲解：图解 Transformer 架构

• 用通俗易懂的方式讲解：大模型算法面经指南（附答案）

• 用通俗易懂的方式讲解：十分钟部署清华 ChatGLM-6B，实测效果超预期

• 用通俗易懂的方式讲解：内容讲解+代码案例，轻松掌握大模型应用框架 LangChain

• 用通俗易懂的方式讲解：如何用大语言模型构建一个知识问答系统

• 用通俗易懂的方式讲解：最全的大模型 RAG 技术概览

• 用通俗易懂的方式讲解：利用 LangChain 和 Neo4j 向量索引，构建一个RAG应用程序

• 用通俗易懂的方式讲解：使用 Neo4j 和 LangChain 集成非结构化知识图增强 QA

• 用通俗易懂的方式讲解：面了 5 家知名企业的NLP算法岗(大模型方向)，被考倒了。。。。。

• 用通俗易懂的方式讲解：NLP 算法实习岗，对我后续找工作太重要了！。

• 用通俗易懂的方式讲解：理想汽车大模型算法工程师面试，被问的瑟瑟发抖。。。。

• 用通俗易懂的方式讲解：基于 Langchain-Chatchat，我搭建了一个本地知识库问答系统

• 用通俗易懂的方式讲解：面试字节大模型算法岗(实习)

• 用通俗易懂的方式讲解：大模型算法岗(含实习)最走心的总结