大模型面试通关秘籍：100道精选八股文题目及解析

算法暑期实习机会快结束了，校招大考即将来袭。

当前就业环境已不再是那个双向奔赴时代了。求职者在变多，岗位在变少，要求还更高了。

最近，我们陆续整理了很多大厂的面试题，帮助球友解惑答疑和职业规划，分享了面试中的那些弯弯绕绕。

分享100道大模型面试八股文，喜欢记得点赞、收藏、关注：

1. 你了解ReAct吗，它有什么优点？

2. 解释一下langchain Agent的概念

3. langchain 有哪些替代方案？

4. langchain token计数有什么问题？如何解决？

5. LLM预训练阶段有哪几个关键步骤？

6. RLHF模型为什么会表现比SFT更好？

7. 参数高效的微调（PEFT）有哪些方法？

8. LORA微调相比于微调适配器或前缀微调有什么优势？

9. 你了解过什么是稀疏微调吗？

10. 训练后量化（PTQ）和量化感知训练（QAT）有什么区别？

11. LLMs中，量化权重和量化激活的区别是什么？

12. AWQ量化的步骤是什么？

13. 介绍一下GPipe推理框架

14. 矩阵乘法如何做数量并行？

15. 请简述TPPO算法流程，它跟TRPO的区别是什么？

16. 什么是检索增强生成（RAG）？</