大模型面试核心知识点总结与参考答案

一、RAG 技术体系

1. RAG 总体思路

检索增强生成（Retrieval-Augmented Generation, RAG）的基本流程包括：数据预处理 -> 文本分块（关键步骤，影响效果） -> 文本向量化 -> Query 向量化 -> 向量检索 -> 重排（Rerank） -> Query 与检索内容输入大语言模型（LLM） -> 输出结果。

2. 外挂知识库的作用

使用外挂知识库主要为了解决以下问题：

克服大模型的遗忘问题。
提升回答的准确性、权威性和时效性。
解决通用模型对小众领域知识涉猎不足的问题。
提高可控性和可解释性，增强模型的可信度和安全性。

3. RAG 效果评估

检索环节评估：

MMR（最大边际相关性）：衡量查询结果的多样性与相关性。
Hits Rate（命中率）：前 k 项中包含正确信息的比例。
NDCG（归一化折损累计增益）：考虑排序位置的评估指标。

生成环节评估：

非量化：完整性、正确性、相关性。
量化：Rouge-L 等自动评估指标。

4. 幻觉与复读机问题

幻觉问题：生成的内容与源数据不一致或无意义，不忠实于提供的事实。
复读机问题：模型重复生成相同的短语或句子。

原因分析：

幻觉：训练数据与源数据不一致、编码器理解缺陷、解码策略错误，或用户问题超出模型认知范围。
复读机：数据质量低（重复文本多）、文本过长导致条件淹没、Greedy Search 策略导致概率最大 token 循环选择。

解决办法：

引入外挂知识库，加入纠偏规则，限制输出长度。
丰富数据集多样性，过滤重复文本，同义词替换做数据增强。
调整温度参数（Temperature），后处理过滤。

二、主流开源模型架构

1. LLaMA 架构特点

当前开源生态最好的模型是 Meta 的 LLaMA，基于 Transformer 架构改进：

前置归一化：采用 RMSNorm 替代 LayerNorm，提升训练稳定性。
激活函数：使用 SwiGLU 替代 ReLU，受 PaLM 启发。
位置编码：从绝对位置嵌入改为旋转位置嵌入（RoPE）。
注意力机制：使用因果多头注意力的高效实现以减少内存占用。

2. ChatGLM 架构

ChatGLM 基座 GLM 支持 Encoder 和 Decoder。

Mask 方式：[mask]（BERT 形式，随机短 span）和 [gmask]（GPT 形式，末尾长 span）。生成任务使用 [gmask]。
结构变化：位置编码转为 RoPE，激活函数变为 GLU/SwiGLU，LayerNorm 改为 RMSNorm。
ChatGLM 2.0 优化：引入 FlashAttention 加速，Multi-Query Attention（MQA）减少 KV 缓存占用。

3. LLaMA 1 vs LLaMA 2

数据量：LLaMA 2 为 2.0T tokens，LLaMA 1 为 1.4T tokens。
上下文：LLaMA 2 支持 4k，LLaMA 1 为 2k。
架构细节：LLaMA 2 使用 RMSNorm，LLaMA 1 使用原始 LayerNorm；两者均用 SwiGLU 和 RoPE。

三、微调与训练优化

1. SFT 微调方法

全微调（Full Fine-tuning）
Adapter Tuning
Prefix/Prompt Tuning
LoRA（Low-Rank Adaptation）
RLHF（Reinforcement Learning from Human Feedback）
建议学习率设置为预训练阶段的 10%。

2. LoRA 原理

在原始 PLM 旁路增加降维再升维操作模拟本征秩。固定 PLM 参数，仅训练矩阵 A（随机高斯初始化）和 B（零矩阵初始化）。输出时叠加 BA 与原参数。

3. SFT 与 RLHF 对比

SFT：监督微调，直接学习人类指令格式，成本较低，适合对齐特定任务。
RLHF：通过奖励模型强化学习，进一步优化人类偏好，但训练复杂且不稳定。

4. RLHF 详解

RLHF 包含三个阶段：

SFT：监督微调，让模型学会遵循指令。
奖励模型（Reward Model）：训练一个模型来给不同回复打分，反映人类偏好。
PPO 优化：使用近端策略优化（PPO）更新主模型，最大化奖励模型的评分。

5. 训练 OOM 解决方案

梯度累积（Gradient Accumulation）
混合精度训练（Mixed Precision）
分布式训练（Data Parallelism / Model Parallelism）
减轻模型参数（如量化）
优化数据处理流水线，减少内存峰值。

6. 混合精度训练

FP16 优势：内存减半，通讯效率提升，计算速度加快（特定硬件）。
风险：溢出和舍入误差。
解决方案：权重备份（Weight Backup）、损失放大（Loss Scaling）、精度累加（Precision Accumulated）。

7. DeepSpeed 机制

DeepSpeed 采用 Ring All-Reduce 进行数据并行，避免 Parameter Server 瓶颈。

Zero 优化：
- Zero1：分割 Adam 参数，减少显存占用。
- Zero2：分割 Adam 和 Gradient。
- Zero3：分割参数、Adam 和 Gradient，Forward 时需 All-Gather，Backward 时 Reduce Scatter。
Offload：将部分参数移至 CPU 内存，换取更多 GPU 显存用于计算。

四、推理与性能优化

1. 显存占用

训练：约 16 倍参数量（含优化器状态、梯度）。
推理：约 2 倍参数量（FP16 下）。
显存组成：模型参数、输入数据、计算中间结果、KV Cache。

2. 长文本处理

分块处理并重叠保证连贯性。
增加模型参数量或优化架构以捕捉更长依赖。
理论上受限于计算资源和梯度消失/爆炸风险。

3. 注意力机制优化

KV Cache：缓存 Key 和 Value，避免自回归重复计算。
MQA (Multi-Query Attention)：所有头共享一组 K/V，减少显存。
GQA (Grouped-Query Attention)：K/V 分组共享，平衡 MQA 和 MHA。
FlashAttention：分块计算，利用 SRAM 减少 HBM IO 瓶颈。

4. 常见 Attention 计算

Self-Attention：标准 Transformer 机制。
DIN Attention：保留权重原始信号强度，不进行 Softmax 归一化，利于局部聚焦。

五、工具与框架

1. LangChain

LangChain 是构建 LLM 应用的框架，简化集成工作。

模块：Document Loaders（加载）、Text Splitters（分块）、Embeddings（向量化）、Vector Stores（存储）、Chains（逻辑编排）。

2. 向量检索模型

ANN 算法（近似最近邻）
暴力搜索
HNSWLib
KD 树

六、总结

大模型岗位面试不仅考察理论深度，还涉及工程落地能力。掌握 RAG 流程、模型微调策略、训练优化技巧以及推理加速方法是核心竞争力。建议结合具体项目经验，深入理解底层原理，灵活应对各类场景。