万字面试题大模型面试,最新最全八股和答案

自ChatGPT开启大模型时代以来,大模型正迎来飞速发展,现在从事大模型开发相关工作可谓是处在时代的风口。那么大模型面试需要哪些技能和技巧呢,本文详细整理了全套的面试问题及答案,希望对大家有所帮助!
在这里插入图片描述

目录

  • 大模型(LLMs)基础面
  • 1. 目前 主流的开源模型体系 有哪些?
  • 2. prefix LM 和 causal LM 区别是什么?
  • 3. 涌现能力是啥原因?
  • 4. 大模型LLM的架构介绍?
  • 大模型(LLMs)进阶面
  • 1. llama 输入句子长度理论上可以无限长吗?
  • 1. 什么是 LLMs 复读机问题?
  • 2. 为什么会出现 LLMs 复读机问题?
  • 3. 如何缓解 LLMs 复读机问题?
  • 1. LLMs 复读机问题
  • 2. llama 系列问题
  • 3. 什么情况用Bert模型,什么情况用LLaMA、ChatGLM类大模型,咋选?
  • 4. 各个专业领域是否需要各自的大模型来服务?
  • 5. 如何让大模型处理更长的文本?
  • 大模型(LLMs)微调面
  • 1. 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?
  • 2. 为什么SFT之后感觉LLM傻了?
  • 3. SFT 指令微调数据 如何构建?
  • 4. 领域模型Continue PreTrain 数据选取?
  • 5. 领域数据训练后,通用能力往往会有所下降,如何缓解模型遗忘通用能力?
  • 6. 领域模型Continue PreTrain ,如何 让模型在预训练过程中就学习到更多的知识?
  • 7. 进行SFT操作的时候,基座模型选用Chat还是Base?
  • 8. 领域模型微调 指令&数据输入格式 要求?
  • 9. 领域模型微调 领域评测集 构建?
  • 10. 领域模型词表扩增是不是有必要的?
  • 11. 如何训练自己的大模型?
  • 12. 训练中文大模型有啥经验?
  • 13. 指令微调的好处?
  • 14. 预训练和微调哪个阶段注入知识的?
  • 15. 想让模型学习某个领域或行业的知识,是应该预训练还是应该微调?
  • 16. 多轮对话任务如何微调模型?
  • 17. 微调后的模型出现能力劣化,灾难性遗忘是怎么回事?
  • 18. 微调模型需要多大显存?
  • 19. 大模型LLM进行SFT操作的时候在学习什么?
  • 20. 预训练和SFT操作有什么不同
  • 21. 样本量规模增大,训练出现OOM错
  • 22. 大模型LLM进行SFT 如何对样本进行优化?
  • 23. 模型参数迭代实验
  • 大模型(LLMs)langchain面
  • 1. 基于LLM+向量库的文档对话 基础面
  • 2. 基于LLM+向量库的文档对话 优化面
  • 3. 基于LLM+向量库的文档对话 工程示例面
  • 1. LLMs 存在模型幻觉问题,请问如何处理?
  • 2. 基于LLM+向量库的文档对话 思路是怎么样?
  • 3. 基于LLM+向量库的文档对话 核心技术是什么?
  • 4. 基于LLM+向量库的文档对话 prompt 模板 如何构建?
  • 1. 痛点1:文档切分粒度不好把控,既担心噪声太多又担心语义信息丢失
  • 2. 痛点2:在基于垂直领域 表现不佳
  • 3. 痛点3:langchain 内置 问答分句效果不佳问题
  • 4. 痛点4:如何 尽可能召回与query相关的Document 问题
  • 5. 痛点5:如何让LLM基于query和context得到高质量的response
  • 1. 避坑记录
  • 2. 本地知识库问答系统(Langchain-chatGLM)
  • 1. 什么是 LangChain?
  • 2. LangChain 包含哪些 核心概念?
  • 3. 什么是 LangChain Agent?
  • 4. 如何使用 LangChain ?
  • 5. LangChain 支持哪些功能?
  • 6. 什么是 LangChain model?
  • 7. LangChain 包含哪些特点?
  • 8. LangChain 如何使用?
  • 9. LangChain 存在哪些问题及方法方案?
  • 10. LangChain 替代方案?
  • 1. LangChain 中 Components and Chains 是什么?
  • 2. LangChain 中 Prompt Templates and Values 是什么?
  • 3. LangChain 中 Example Selectors 是什么?
  • 4. LangChain 中 Output Parsers 是什么?
  • 5. LangChain 中 Indexes and Retrievers 是什么?
  • 6. LangChain 中 Chat Message History 是什么?
  • 7. LangChain 中 Agents and Toolkits 是什么?
  • 1. LangChain 如何调用 LLMs 生成回复?
  • 2. LangChain 如何修改 提示模板?
  • 3. LangChain 如何链接多个组件处理一个特定的下游任务?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值