AI · 面试
AI 面试必备知识
AI 面试必备知识 一、大模型 大语言模型(Large Language Model,LLM) : 通过大规模文本训练,学习语言规律并生成、理解和转换文本的模型。 词元(Token) : 模型处理文本的基本单位,可以是字符、词的一部分、完整词或特殊符号。 分词器(Tokenizer) :将文本与词元编号相互转换的组件。
正在读取最新同步的笔记,请稍候。
KNOWLEDGE INDEX / 知识索引
从 Obsidian 同步而来的个人知识索引。按主题翻阅,或直接找到记忆里的那句话。
支持搜索标题、正文与标签,筛选状态会保存在网址中。
检索结果
AI 面试必备知识 一、大模型 大语言模型(Large Language Model,LLM) : 通过大规模文本训练,学习语言规律并生成、理解和转换文本的模型。 词元(Token) : 模型处理文本的基本单位,可以是字符、词的一部分、完整词或特殊符号。 分词器(Tokenizer) :将文本与词元编号相互转换的组件。
围绕 Token、Embedding、Transformer、注意力、位置编码和自回归生成的详细问答与追问。 大模型基础原理面试题库 怎么使用这份题库 每道题建议按“先下定义 → 写出计算过程或结构 → 解释为什么这样设计 → 说明边界和变体”的顺序回答。下列答案是完整复习稿,面试现场不必逐字背诵;先给结论,再根据面试
大模型原理、RAG、可靠性和应用设计面试的速览入口;逐题详解见专题题库。 大模型面试精选 摘要 这份笔记是复习速览入口,不是完整题库。回答时先给结论,再解释机制、取舍和边界,最后联系项目中的验证方式;完整问答、追问答案和易错点见各专题题库。课程样例和设计练习不得说成个人生产经历。 正文 1. Transformer 如
按基础原理、训练推理、RAG、Agent 与评测整理面试自测题和回答要点。 大模型面试精选(资料整编) 使用方法 先尝试用自己的话回答,再对照要点补充机制、权衡和边界。技术回答可按“定义 → 原理 → 适用场景 → 局限或风险 → 验证方式”组织。以下是第一批精选框架,不等同于 89 份题库文件的逐题转写;后续还要从题