大模型面试题全集：基础、微调、RAG、推理及更多

BERT 相关

• 如何利用 transformers 加载 Bert 模型？
• 如何利用 transformers 输出 Bert 指定 hidden_state？
• BERT 获取最后一层或每一层网络的向量输出

损失函数与相似度

• 介绍一下 KL 散度？
• 写出 KL 散度的公式及物理意义？
• KL 散度与交叉熵的区别？
• 多任务学习中各 loss 差异过大如何处理？
• 分类问题为何用交叉熵损失而不用均方误差（MSE）？
• 什么是信息增益？
• 多分类的损失函数 (Softmax) 如何计算？
• softmax 和交叉熵损失怎么计算，二值交叉熵呢？
• 如果 softmax 的 e 次方超过 float 取值范围怎么办？

相似度与对比学习

• 除了余弦相似度还有哪些计算相似度的方法？
• 了解对比学习吗？
• 对比学习中负样本是否重要？负样本构造成本过高应如何解决？

生成式与大模型特性

• 什么是生成式大模型？
• 大模型如何让生成的文本丰富而不单调？
• LLMs 复读机问题
  • 什么是 LLMs 复读机问题？
  • 为什么会出现 LLMs 复读机问题？
  • 如何缓解 LLMs 复读机问题？
• llama 系列问题
  • llama 输入句子长度理论上可以无限长吗？
• 什么情况用 Bert 模型，什么情况用 LLaMA、ChatGLM 类大模型，如何选择？
• 各个专业领域是否需要各自的大模型来服务？
• 如何让大模型处理更长的文本？

二、大模型微调

• 大模型 SFT 过程中，为何第二个 epoch 的 loss 突然下降？
• 如果想要在某个模型基础上做全参数微调，究竟需要多少显存？
• 为什么 SFT 之后感觉 LLM 变傻了？
• SFT 指令微调数据如何构建？
  • 提升 SFT prompt 的代表性有什么好方法？
  • 提升 SFT prompt 的数据量有什么好方法？
• 领域模型 Continue PreTrain 数据如何选取？
• 领域数据训练后，通用能力往往会下降，如何缓解模型遗忘通用能力？
• 领域模型 Continue PreTrain，如何让模型在预训练过程中就学到更多知识？
• 进行 SFT 操作时，基座模型选用 Chat 还是 Base？
• 领域模型微调指令和数据的输入格式要求？
• 领域模型微调领域评测集如何构建？
• 领域模型词表扩增是否有必要？
• 如何训练自己的大模型？
• 训练中文大模型有什么经验？
• 指令微调的好处？
• 预训练和微调哪个阶段注入知识？
• 想让模型学习某个领域或行业的知识，是应该预训练还是微调？

SFT 开发流程

• 常见 SFT 的开发流程是怎样的？
• 训练数据要注重什么？
• 大 size 和小 size 模型该如何选择？
• 多任务训练时如何确保每个任务都优秀？
• SFT 真的不能学到知识？
• 如何科学挑选数据集？

训练策略

• 分布式训练框架如何选择？
• LLMs 训练时有哪些有用的建议？
• 模型大小如何选择？
• 加速卡如何选择？

三、LangChain

• 什么是 LangChain？
• LangChain 包含哪些核心概念？
  • LangChain 中 Components 和 Chains 是什么？
  • LangChain 中 Prompt Templates 和 Values 是什么？
  • LangChain 中 Example Selectors 是什么？
  • LangChain 中 Output Parsers 是什么？
  • LangChain 中 Indexes 和 Retrievers 是什么？
  • LangChain 中 Chat Message History 是什么？
  • LangChain 中 Agents 和 Toolkits 是什么？

Agent 上下文

• Agent 如何获取上下文对话信息？
  • 获取全量历史对话
  • 滑动窗口获取最近部分对话内容

四、RAG 检索增强生成

RAG 入门

• 为什么大模型需要外挂（向量）知识库？
• 基于 LLM+向量库的文档对话思路是怎样的？
• 基于 LLM+向量库的文档对话核心技术是什么？
• 基于 LLM+向量库的文档对话 prompt 模板如何构建？

RAG 模块详解

• LLMs 已经具备较强能力，还存在哪些不足？
• 什么是 RAG？
  • R：检索器模块
    • 如何获得准确的语义表示？
    • 如何协调查询和文档的语义空间？
    • 如何对齐检索模型的输出和大语言模型的偏好？
  • G：生成器模块
    • 如何通过后检索处理提升检索结果？
    • 如何优化生成器应对输入数据？
• 使用 RAG 的好处？

RAG 版面分析

• 为什么需要进行 PDF 解析？
• PDF 解析有哪些方法，对应的区别是什么？
• PDF 解析存在哪些问题？

表格识别

• 为什么需要识别表格？
• 介绍一下表格识别任务？
• 有哪些表格识别方法？
  • 传统方法
  • pdfplumber 表格抽取
    • pdfplumber 如何进行表格抽取？
    • pdfplumber 常见的表格抽取模式有哪些？

文本分块

• 为什么需要对文本分块？
• 介绍一下常见的文本分块方法
  • 一般文本分块方法
  • 正则拆分的文本分块方法
  • Spacy Text Splitter 方法
  • 基于 LangChain 的 CharacterTextSplitter 方法

RAG 检索策略

• 为什么需要使用大模型辅助召回？
• 策略一：HYDE
  • HYDE 的思路是什么？
  • HYDE 存在什么问题？
• 策略二：FLARE
  • 为什么需要 FLARE？
  • FLARE 有哪些召回策略？

负难样本

• 为什么需要构建负难样本？
• 负难样本构建方法
  • 随机采样策略（Random Sampling）
  • Top-K 负例采样策略（Top-K Hard Negative Sampling）

RAG 评测

• 为什么需要对 RAG 进行评测？
• RAG 有哪些评估方法？
• RAG 有哪些关键指标和能力？
• RAG 有哪些评估框架？

RAG 优化策略

• RAG 工作流程是怎样的？
• RAG 各模块有哪些优化策略？
• RAG 架构优化有哪些策略？
  • 如何利用知识图谱（KG）进行上下文增强？
    • 典型 RAG 架构中，向量数据库进行上下文增强存在哪些问题？
    • 如何利用知识图谱（KG）进行上下文增强？

RAG 常见问题

• 问题一：内容缺失
  • 什么是内容缺失问题？
  • 如何解决内容缺失问题？
• 问题二：错过排名靠前的文档
  • 什么是错过排名靠前的文档问题？
  • 如何解决该问题？
• 问题三：脱离上下文 — 整合策略的限制
  • 什么是脱离上下文问题？
  • 如何解决？
• 问题四：未能提取答案
  • 什么是未能提取答案问题？
  • 如何解决？

RAG-Fusion

• RAG 有哪些优点？
• RAG 存在哪些局限性？
• 为什么需要 RAG-Fusion？
• RAG-Fusion 的核心技术是什么？
• RAG-Fusion 的工作流程是怎样的？

Graph RAG

• 为什么需要 Graph RAG？
• 什么是 Graph RAG？
• Graph RAG 的思路介绍？
• 用代码介绍 Graph RAG？
• 用示例介绍 Graph RAG？
• Graph RAG 的排序优化方式？

五、参数高效微调 (PEFT)

• 微调方法是什么？如何微调？
• 为什么需要 PEFT？
• 介绍一下 PEFT？
• PEFT 有什么优点？

Adapter-tuning

• 为什么需要适配器微调（Adapter-tuning）？
• Adapter-tuning 的思路？
• Adapter-tuning 的特点是什么？
• AdapterFusion 的思路是什么？

Prompting

• 为什么需要提示学习（Prompting）？
• 什么是提示学习（Prompting）？
• Prompting 有什么优点？
• Prompting 有哪些方法，能否分别介绍？
  • 前缀微调（Prefix-tuning）
    • 为什么需要 Prefix-tuning？
    • Prefix-tuning 的思路是什么？
    • Prefix-tuning 的优点是什么？
    • Prefix-tuning 的缺点是什么？

LoRA 篇

• 什么是 LoRA？
• LoRA 的思路是什么？
• LoRA 的特点是什么？
• 简单描述一下 LoRA？
• 解释一下 LoRA 微调的原理和计算流程？

LoRA 变体

• QLoRA
  • QLoRA 的思路是怎样的？
  • QLoRA 的特点是什么？
  • QLoRA 相比 LoRA 做了哪些改进？
• AdaLoRA
  • AdaLoRA 的思路是怎样的？
• LongLoRA
  • 为什么需要 LongLoRA？
  • LongLoRA 的思路是什么？
  • 介绍一下 shift short attention？

LoRA 配置与优化

• LoRA 的矩阵怎么初始化？为什么要初始化为全 0？
• 如何配置 LoraConfig？
• 模型加入 PEFT 策略
  • 模型加载策略有哪些？
  • 模型显存占用的部分有哪些？
  • 模型显存占用优化策略？
    • 8bit 量化优化策略？
    • 梯度检查点优化策略？
  • 如何向模型加入 PEFT 策略？

微调方案选择

• SFT 微调方案如何选择？
• Full Fine Tuning vs Parameter-Efficient Fine-Tuning
• Full Fine Tuning
  • 介绍一下 Full Fine Tuning？
  • Full Fine Tuning 的优点？
  • Full Fine Tuning 的缺点？
• Parameter-Efficient Fine-Tuning
  • 介绍一下 Parameter-Efficient Fine-Tuning？
• LoRA
  • 介绍一下 LoRA？
  • LoRA 的流程？
  • LoRA 的优点？
  • LoRA 的缺点？
• QLoRA
  • 介绍一下 QLoRA？
  • QLoRA 的流程？

六、大模型推理

• 为什么大模型推理时显存涨得那么多还一直占着？
• 大模型在 GPU 和 CPU 上推理速度如何？
• 推理速度上，int8 和 fp16 比起来怎么样？
• 大模型有推理能力吗？

推理过程与指标

• 推理过程分哪些阶段？
  • Prefill（输入理解与初始化）阶段
  • Decoding（递归推理与解码输出）阶段
• 推理性能的评价指标？
  • Throughput（吞吐量）
  • First Token Latency（首字延迟）
  • Latency（延迟）
  • QPS（每秒请求数）

七、增量预训练

• 为什么要增量预训练？
• 进行增量预训练需要做哪些准备工作？
• 增量预训练所用的训练框架？
• 增量预训练的训练流程是怎样的？

拼接策略

• Pretrain 阶段，为什么需要拼接？
• 有哪些拼接方式？
  • Random Concatenate
  • Random Concatenate + NoiseMask
  • Random Concatenate + Cluster
  • IN-CONTEXT PRETRAINING

Llama2 二次预训练

• 为什么需要对 Llama2 做基于 LoRA 的二次预训练？
• 基于 LoRA 的 Llama2 二次预训练的目标是什么？
• 基于 LoRA 的 Llama2 二次预训练的思想是什么？
• 基于 LoRA 的 Llama2 二次预训练语料构建思路？

模型评测

• 大模型怎么评测？
• 大模型的 honest 原则是如何实现的？模型如何判断回答的知识是训练过的已知知识，怎么训练这种能力？
• 如何衡量大模型水平？
• 大模型评估方法有哪些？

八、强化学习

• 简单介绍强化学习？
• 简单介绍 RLHF？
• 奖励模型需要和基础模型一致吗？
• RLHF 在实践过程中存在哪些不足？
• 如何解决人工产生的偏好数据集成本较高的问题？
• 如何解决三个阶段的训练（SFT->RM->PPO）过程较长，更新迭代较慢的问题？
• 如何解决 PPO 训练过程同时存在 4 个模型（2 训练，2 推理），对计算资源要求较高的问题？
• 强化学习跟大语言模型的本质联系是什么？

RLHF Pipeline

• 介绍一下 LLM 的经典预训练 Pipeline？
• 预训练（Pre-training）
  • 具体介绍一下预训练？
• 有监督微调（Supervised Fine-tuning）
  • 具体介绍一下有监督微调？
  • 有监督微调的训练数据格式是什么样子？
  • 预训练 vs 有监督微调的区别？
• 对齐（Alignment）
  • 简单介绍一下对齐？

PPO 与 DPO

• 大语言模型 RLHF 中的 PPO 主要分哪些步骤？
• 举例描述一下大模型的 RLHF？
• 大语言模型 RLHF 采样
  • 什么是 PPO 的采样过程？
  • 介绍一下 PPO 的采样策略？
  • PPO 采样策略中，如何评估'收益'？
• 在 PPO 过程中，reward model 的效果上会有什么问题？

DPO

• DPO vs RLHF？
• 介绍一下 DPO 的损失函数？
• DPO 微调流程？
• DPO 是如何简化 RLHF 的？
• DPO 的第 0 步 loss 是固定的吗？如果固定，值是多少？
• DPO 是 on-policy 还是 off-policy 算法，这样的算法有什么优劣？
• DPO 公式是由 PPO 的 objective 公式推导过来的，为什么 DPO 是 off-policy 算法，而 PPO 是 on-policy 算法，是哪一步推导出了问题？

Reward Model

• 介绍一下 RM 模型？
• 为什么需要 RM 模型？
• RM 模型训练数据如何构建？
• reward 模型训练步骤中，为什么标注时不让人直接打分，而是去标排列序列呢？
• reward 模型的 loss 是怎么计算的？

强化学习基础

• 介绍一下强化学习？
• 介绍一下强化学习的状态（States）和观测（Observations）？
• 强化学习有哪些动作空间（Action Spaces），他们之间的区别是什么？

九、训练数据

• SFT（有监督微调）的数据集格式？
• RM（奖励模型）的数据格式？
• PPO（强化学习）的数据格式？

数据集生成

• SFT 数据集如何生成？
• Self-Instruct 方法？

十、显存问题

• 大模型大概有多大，模型文件有多大？
• 能否用 4 * v100 32G 训练 vicuna 65b？
• 如果就是想要试试 65b 模型，但是显存不多怎么办？
• nB 模型推理需要多少显存？

显存优化

• 介绍一下 gradient accumulation 显存优化方式？
• 介绍一下 gradient checkpointing 显存优化方式？

十一、分布式训练

理论篇

• 训练大语言模型存在哪些问题？
• 什么是点对点通信？
• 什么是集体通信？
• 什么是数据并行？
• 数据并行如何提升效率？
• 什么是流水线并行？
• 什么是张量并行 (intra-layer)？
• 数据并行 vs 张量并行 vs 流水线并行？
• 什么是 3D 并行？
• 想要训练 1 个 LLM，如果只想用 1 张显卡，那么对显卡的要求是什么？
• 如果有 N 张显存足够大的显卡，怎么加速训练？
• 如果显卡的显存不够装下一个完整的模型呢？
• PP 推理时，是一个串行的过程，1 个 GPU 计算，其他空闲，有没有其他方式？
• 3 种并行方式可以叠加吗？
• Colossal-AI 有 1D/2D/2.5D/3D，是什么情况？
• 除了 3D 并行有没有其他方式大规模训练？
• 有了 ZeRO 系列，为什么还需要 3D 并行？
• 平民适不适合玩 3D 并行？
• 平民适不适合直接上多机多卡的 ZeRO3（万兆网）？
• 分布式并行及显存优化技术有哪些，都有什么特点？
• 显存优化技术有哪些，都有什么特点？
• 常见的分布式训练框架有哪些，都有什么特点？

实践篇

• 假如有大量的 8 卡 A100 节点（DGX A100），如何应用 3D 并行策略？
• 如果想构建这样一个大规模并行训练系统，训练框架如何选？
• 训练框架如何选？

并行技术细节

• 为什么需要流水线并行（Pipeline Parallelism）？
• 流水线并行的优化目标是什么？
• 为什么需要 nn.DataParallel？
• PyTorch 中的 GPU 操作默认是什么样？
• 介绍一下 nn.DataParallel 函数？
• nn.DataParallel 函数的处理逻辑？
• 为什么需要 nn.parallel.DistributedDataParallel？
• 什么是 DistributedDataParallel 核心 —— Ring-AllReduce？
• nn.parallel.DistributedDataParallel 函数介绍？
• nn.parallel.DistributedDataParallel 如何多卡加速训练？
• torch.multiprocessing 函数介绍？
• torch.multiprocessing 函数如何使用？
• 为什么需要 AMP 混合精度训练？
• 什么是自动混合精度训练 (AMP)？
• 为什么需要自动混合精度？
• 混合精度训练的优点是什么？

DeepSpeed 与 Accelerate

• 为什么需要 DeepSpeed？
• DeepSpeed 基本概念介绍？
  • DeepSpeed 支持的功能
• DeepSpeed 通信策略介绍？
• DeepSpeed 的使用？
  • DeepSpeed 安装
  • DeepSpeed 使用
• 为什么需要 accelerate 分布式训练？
• 什么是 accelerate 分布式训练？
• 什么是 3D 并行？
• 3D 并行策略有哪些？
• 为什么需要 ZeRO？
• 为什么大模型分布式训练需要故障恢复？
• 如何获取最优的 ckpt 存储间隔？
• ckpt 存储能否实现异步或者部分掩盖？
• Activation Recomputation 是怎么实现的？
• Megatron 中的 OverlappedDistributed Optimizer 是如何实现的？
• Megatron-LM 中 Context Parallel
  • 介绍一下 Megatron-LM 中 Context Parallel 实现原理？

数据并行 Trick

• 数据并行 FSDP
• 数据并行 DDP
• 数据并行 ZeRO
  • Model state
  • Residual state
  • offload

分布式训练问题

• 使用 DistributedDataParallel（分布式并行）时，显存分布不均衡问题
• 如果是用 PyTorch 实现同步梯度更新，自研数据接口，出现第一个 epoch 结尾处程序卡死问题

十二、Agent

• 什么是大模型（LLMs）agent？
• 大模型 agent 有哪些部分组成？
  • 规划（planning）
    • 拆解子目标和任务分解
      • 如何进行拆解子目标和任务分解？
      • 拆解子目标和任务分解有哪些方法？
    • 模型自我反省
      • 如何进行模型自我反省？
      • 模型自我反省有哪些方法？
  • 记忆（Memory）
  • 工具使用（tool use）
• 大模型 agent 主要利用了大模型哪些能力？

函数调用 Function Call

• 为什么需要函数调用 (function call)？
• 什么是函数调用 (function call)？
• 开源模型 Function Call 方案有哪些？
• Llama 3.1 的 Function Call
• 对话协议（Chat Protocol）
• Tool Call Template 样式

位置编码

• 什么是位置编码？
• 为什么需要位置编码？
• 什么是绝对位置编码？
  • 训练式位置编码
• 什么是相对位置编码？
• 旋转位置编码 RoPE
  • RoPE 的思路是什么？
• 长度外推问题
  • 什么是长度外推问题？
  • 长度外推问题的解决方法有哪些？
• ALiBi (Attention with Linear Biases)
  • ALiBi 的思路是什么？

十三、Tokenizer

• Byte-Pair Encoding (BPE)
  • 介绍一下 BPE？
  • BPE 如何构建词典？
  • BPE 的优点？
  • BPE 的缺点？
  • 手撕 BPE？
• Byte-level BPE
  • 介绍一下 Byte-level BPE？
  • Byte-level BPE 如何构建词典？
  • Byte-level BPE 的优点？
  • Byte-level BPE 的缺点？
• WordPiece

中文 Tokenization

• 为什么需要构建中文 tokenization？
• 如何对原始数据预处理？
• 如何构建中文的词库？

继续预训练

• 为什么需要进行继续预训练？
• 如何对继续预训练数据预处理？
• 如何构建模型？
• 如何使用模型？

指令微调

• 为什么需要对预训练模型进行指令微调？
• 对预训练模型进行指令微调数据如何处理？
• 对预训练模型进行指令微调 tokenization 如何构建？
• 对预训练模型进行指令微调模型如何构建？
• 是否可以结合其他库使用？

十四、大模型加速

• 为什么需要对大模型推理加速？
• 大模型 (LLM) 部署框架对比总览
• 大模型 (LLM) 部署优化策略

推理过程与指标

• 推理过程分哪些阶段？
  • Prefill（输入理解与初始化）阶段
  • Decoding（递归推理与解码输出）阶段
• 推理性能的评价指标？
  • Throughput（吞吐量）
  • First Token Latency（首字延迟）
  • Latency（延迟）
  • QPS（每秒请求数）
• 当前优化模型最主要的技术手段有哪些？

推理框架

• 推理加速框架有哪些？都有什么特点？
• vLLM
  • vLLM 的功能有哪些？
• 介绍一下 LLMs 的文本生成过程？
• 如何准确衡量模型的推理速度呢？
• 如果对整体推理时延有具体目标，有哪些有效的启发式方法来评估模型？

vLLM 与 PagedAttention

• vLLM 用于大模型并行推理加速存在什么问题？
• vLLM 如何优化大模型并行推理加速？
• 什么是 PagedAttention？
• 为什么需要 vLLM？
• vLLM 具有哪些特点？
• vLLM 支持哪些 Huggingface 模型？
• vLLM 性能如何？

FasterTransformer

• 为什么需要 FasterTransformer？
• FasterTransformer 介绍？
• FasterTransformer 核心是什么？

LightLLM

• 为什么需要 LightLLM？
• 目前 LLM 推理框架有哪些？
• 什么是 LightLLM？
• Token Attention 介绍？
• Efficient Router 介绍？
• LightLLM 性能表现？

StreamingLLM

• 大型语言模型（LLM）存在什么问题？
• StreamingLLM 背景介绍
• StreamingLLM 核心问题？
• StreamingLLM 的思路是什么？
• StreamingLLM 的优点是什么？
• SwiftInfer：基于 TensorRT 的 StreamingLLM 实现

十五、大模型幻觉

• 什么是大模型幻觉？
• 为什么 LLM 会产生幻觉？
• 为什么需要解决 LLM 的幻觉问题？
• 幻觉一定是有害的吗？

幻觉问题

• 什么是大模型幻觉问题？
• 为什么会出现大模型幻觉问题？
• 为什么会出现幻觉？
• 如何缓解大模型幻觉？

十六、模型对比

• 谈谈你对当前出现的各种大模型的见解？
• 目前大模型常见的 base 模型训练和 chat 模型训练方式的区别？
• llama、baichuan、ChatGLM、Bloom 和 qwen 等开源大模型技术对比
  • llama 系列
    • llama 训练数据介绍
    • llama 模型参数量介绍
    • llama 模型结构介绍
    • llama 训练目标介绍
    • llama tokenizer 介绍
    • llama 衍生模型介绍
    • llama 词表扩展：Chinese LLaMA
  • Mistral 7B 系列
    • Mistral 7B 的架构？
  • Qwen 系列
    • Qwen 系列数据预处理方式？
    • Qwen 系列 Tokenizer 处理方式？
    • Qwen 系列架构？
  • Baichuan 系列
    • Baichuan2 数据预处理方式？
    • Baichuan2 Tokenizer 处理方式？
    • Baichuan2 架构？
  • GLM 系列
    • ChatGLM-6B 结构特点？
    • ChatGLM-6B 训练目标？
    • ChatGLM-6B tokenizer？
  • BLOOM 系列
    • BLOOM 训练数据构建？
    • BLOOM 模型参数量？
    • BLOOM 模型结构？
    • BLOOM 训练目标？
    • BLOOM tokenizer？
• 大模型训练共同点？
• 大模型训练不同点？
• LLaMA、ChatGLM 和 BLOOM 对比
• LLaMA、ChatGLM 和 BLOOM 的 tokenizer 比较
• LLaMA、ChatGLM 和 BLOOM 的结果比较

Attention Mask

• prefix-tuning 的 prefix tokens 是双向注意力吗？
• ChatGLM1 和 ChatGLM2 的 attention mask 是怎样的？
• llama 的 attention mask 是怎样的？

Baichuan 系列

• baichuan-7B
  • baichuan-7B 结构介绍？
  • baichuan-7B 如何收集原始数据并构建训练数据？
  • baichuan-7B 如何提高训练稳定性和吞吐？
• baichuan-13B

Llama2 改进

• 相比较于 llama，llama2 有哪些改进，对于 llama2 应该如何 finetune？

GPT/Bert 对比

• GPT 源码中 past_key_value 是干啥的？
• GPT one by one 每一层怎么输入输出？
• Bert 和 GPT 有什么区别？
• 文本生成的几大预训练任务？
• 讲讲 T5 和 Bart 的区别，讲讲 Bart 的 DAE 任务？
• 讲讲 Bart 和 Bert 的区别？
• GPT3 和 GPT2 的区别？

十七、思维链（Chain-of-Thought）

• 什么是思维链提示？
• 思维链提示的本质是什么？
• 思维链与标准提示学习方法有何不同？
• 思维链为何能提高语言模型的复杂推理能力？优势在哪？

CoT 启蒙

• 什么是思维链（CoT）？
• CoT 的思路是什么？
• CoT 存在什么问题？

Tree of Thoughts

• 为什么需要 Tree of Thoughts（TOT）？
• 什么是 Tree of Thoughts？
• TOT 涉及哪些问题？

提示策略

• 什么是 Zero-shot 提示方法？
• 什么是 Few-shot 提示方法？
• 阐述 One-shot 和 Few-shot 提示策略及其应用场景？
• 什么是逐步 Zero-shot？
• 定义 Zero-shot-CoT 提示策略并描述其应用方法？
• 解释 Few-shot-CoT 提示策略及其实际使用方式？
• Few-shot-LtM 策略包含哪些主要阶段及其职责？

测试集泄露

• 什么是 LLMs 测试集数据泄露问题？
• 如何解决 LLMs 测试集数据泄露问题？
• 是否可以避开训练集来处理 LLMs 测试集数据泄露问题？

MOE

• 为什么需要 MOE（Mixture-of-Experts）？
• MOE 的思路是什么样的？
• 介绍一下 MOE 分布式并行策略？
  • MOE + 数据并行？
  • MOE + 模型并行？
• MoE 大模型具备哪些优势？
• MoE 大模型具备哪些缺点？
• DeepSpeed-MoE
• PAI-Megatron-Patch MoE

十八、模型蒸馏

• 知识蒸馏和无监督样本训练？
• 对知识蒸馏知道多少，有哪些改进用到了？
• 谈一下对模型量化的了解？

精度与量化

• fp32 和 fp16 的区别，混合精度的原理
• 半精度是什么？
• 半精度的理论原理是什么？

Bitsandbytes

• 什么是 bitsandbytes？
• 怎样才能使用 bitsandbytes？
• 如何使用 bitsandbytes？

环境建议

• 建议的软件环境是什么？

训练数据

• 预训练数据 Token 重复是否影响模型性能？
• SFT 需要训练多少 Token？

十九、多模态

• 最近关注的论文，多模态视觉大模型 (CLIP, DALL-E)？
• BLIP-2 的架构，优势和之前多模态模型的区别？

二十、NLP 常见面试

• 怎么处理类别不平衡？
• 有了解其他模型去尝试解决长度限制的方案吗？

文本分类

• 文本分类任务有哪些应用场景？
• 文本分类的具体流程？
• fastText 的分类过程？fastText 的优点？

文本摘要

• 抽取式摘要和生成式摘要存在哪些问题？
• Pointer-generator network 解决了什么问题？
• 文本摘要有哪些应用场景？

CRF 与 HMM

• CRF 常见面试题
  • 什么是 CRF？CRF 的主要思想是什么？
  • CRF 的三个基本问题是什么？
  • 线性链条件随机场的参数化形式？
  • CRF 的优缺点是什么？
  • HMM 与 CRF 的区别？
  • 生成模型与判别模型的区别？
• HMM 常见面试题

向量检索库

• Annoy
  • Annoy 介绍
  • Annoy 使用
• Faiss

二十一、其他常见面试

• Huggingface 下载不了模型问题？
• ...

二十二、KV Cache

• 介绍一下 KV Cache 是什么？
• 为什么需要 KV Cache？
  • 不使用 KV Cache 的场景
  • 使用 KV Cache 的场景
• KV Cache 在大模型中的应用？

二十三、角色扮演大模型

• 什么是角色扮演大模型？
• 为什么需要角色扮演大模型？
• 角色扮演大模型相比于通用大模型有哪些区别？
• 能否通俗易懂地介绍角色扮演大模型？

二十四、Chat o1

• Shortcut learning (捷径学习) vs Journey learning (旅程学习)
  • 什么是 Shortcut learning？
  • Shortcut learning 的关键特征是什么？
  • Shortcut learning 的优点是什么？
  • Shortcut learning 的缺点是什么？
  • 什么是 Journey learning？
  • Journey learning 的关键特征是什么？
  • Journey learning 的优点是什么？
  • Shortcut learning vs Journey learning
• o1 的长思维链
  • o1 的长思维链是什么样子？
  • 长思维 (Long thought) 是如何工作的？
  • 如何构建长思维？

OpenAI o1 面试

• o1 的训练方法与之前的模型有何主要区别？
• o1 的'思考'过程与简单的提示有何不同？
• 为什么 o1 在推理任务上比之前的模型更强大？
• o1 如何处理安全性问题？

Scaling LLM Test-Time

• 为什么需要 Scaling LLM Test-Time？
• 三种 Scaling LLM Test-Time 类型定义？
• 有哪些 Scaling Test-Time 的方法？
• 纯 Inference Scaling 篇
  • Inference Test-Time 的统一视角：Proposer & Verifier
  • Proposer & Verifier 实例：Best-of-N