我精选20个大模型高频面试题,分享给大家
- 简述GPT和BERT的区别
- 讲一下GPT系列模型是如何演进的?
- 为什么现在的大模型大多是decoder-only的架构?
- 讲一下生成式语言模型的工作机理
- 哪些因素会导致LLM的偏见?
- LLM中的因果语言建模与掩码语言建模有什么区别?
- 如何减轻LLM中的幻觉现象?
- 解释ChatGPT的零样本和少样本学习的概念
- 你了解大型语言模型中的哪些分词技术?
- 如何评估大语言模型(LLMs)的性能?
- 如何缓解LLMs重复读问题?
- 请简述Transformer基本原理
- 为什么Transformer的架构需要多头注意力机制?
- transformers需要位置编码吗?
- transformer中,同一个词可以有不同的注意力权重吗?
- Wordpiece与BPE之间的区别是什么?
- 有哪些常见的优化LLMs输出的技术?
- GPT-3拥有的1750亿参数,是怎么算出来的?
- 温度系数和top-p,top-k参数有什么区别?
- 为什么transformer块使用LayerNorm而不是BatchNorm?
用通俗易懂的方式讲解系列
-
重磅来袭!《大模型面试宝典》(2024版) 发布!
-
重磅来袭!《大模型实战宝典》(2024版) 发布!
-
用通俗易懂的方式讲解:不用再找了,这是大模型最全的面试题库
-
用通俗易懂的方式讲解:这是我见过的最适合大模型小白的 PyTorch 中文课程
-
用通俗易懂的方式讲解:一文讲透最热的大模型开发框架 LangChain
-
用通俗易懂的方式讲解:基于 LangChain + ChatGLM搭建知识本地库
-
用通俗易懂的方式讲解:基于大模型的知识问答系统全面总结
-
用通俗易懂的方式讲解:ChatGLM3 基础模型多轮对话微调
-
用通俗易懂的方式讲解:最火的大模型训练框架 DeepSpeed 详解来了
-
用通俗易懂的方式讲解:这应该是最全的大模型训练与微调关键技术梳理
-
用通俗易懂的方式讲解:Stable Diffusion 微调及推理优化实践指南
-
用通俗易懂的方式讲解:大模型训练过程概述
-
用通俗易懂的方式讲解:专补大模型短板的RAG
-
用通俗易懂的方式讲解:大模型LLM Agent在 Text2SQL 应用上的实践
-
用通俗易懂的方式讲解:大模型 LLM RAG在 Text2SQL 上的应用实践
-
用通俗易懂的方式讲解:大模型微调方法总结
-
用通俗易懂的方式讲解:涨知识了,这篇大模型 LangChain 框架与使用示例太棒了
-
用通俗易懂的方式讲解:掌握大模型这些优化技术,优雅地进行大模型的训练和推理!
-
用通俗易懂的方式讲解:九大最热门的开源大模型 Agent 框架来了