幻觉、评测与多模态面试题库
覆盖幻觉分类和定位、评测指标与实验设计、基准污染、多模态视觉/语音/视频链路及安全治理的详细问答。 幻觉、评测与多模态面试题库 答题时先定义任务与指标,再解释系统链路和失败原因,最后说明验证方法与局限。任何“准确率/幻觉率”都要先问样本、分母、模型版本和标注规则。不要承诺零幻觉。 一、幻觉概念、原因与缓解 1. 什么是
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
覆盖幻觉分类和定位、评测指标与实验设计、基准污染、多模态视觉/语音/视频链路及安全治理的详细问答。 幻觉、评测与多模态面试题库 答题时先定义任务与指标,再解释系统链路和失败原因,最后说明验证方法与局限。任何“准确率/幻觉率”都要先问样本、分母、模型版本和标注规则。不要承诺零幻觉。 一、幻觉概念、原因与缓解 1. 什么是
梳理预训练、监督微调、参数高效微调和偏好对齐之间的关系。 大模型训练、微调与对齐 摘要 预训练学习通用语言模式,继续预训练补充领域语料,监督微调让模型适应指令任务,对齐阶段进一步调整回答偏好和行为。训练流程的关键是目标、数据、资源和评估相互匹配,不是单纯增加训练轮数。 正文 1. 训练阶段 阶段 主要目标 常见数据 注
训练数据、CPT、SFT、LoRA/QLoRA、RLHF、PPO、DPO、显存与故障排查的详细问答。 大模型训练微调与对齐面试题库 使用方法 这份题库不是让你逐字背答案。面试时建议先用 30–60 秒回答核心定义,再通过数据格式、损失、资源代价、评估和失败案例展开。把“我实际做过”“我读资料理解”“如果设计会这样验证”
集中复习 PEFT、RLHF、PPO、显存估算和并行优化的核心对比。 训练与推理面试精选 摘要 训练与推理面试常考概念对比、资源估算和工程取舍。回答重点是说明假设与瓶颈,不给脱离硬件、序列长度和精度的绝对结论。 正文 推理与部署:快速入口 先区分 Prefill(输入预填充)和 Decode(逐步解码),再按模型权重、
从数据集、特征、损失与梯度开始,讲清训练流程、神经网络、泛化和评估指标,为理解大模型打基础。 机器学习与深度学习基础 [!abstract] 学习目标 学完后应能说明模型从样本中如何学习参数,能读懂训练/验证曲线,能根据任务选择评价指标,并能解释深度学习中的前向传播与反向传播。这里的公式都从最小例子出发,不要求先掌握高
Next.js 从零入门:结合个人网站理解全栈开发 摘要 这篇指南从项目目录和 App Router(应用路由)开始,逐步解释 Next.js、React、服务端与客户端组件、数据读取、安全边界和部署。内容以个人网站项目为例,帮助初学者先理解代码运行的位置与职责,再练习具体写法。 正文 适用对象:已经跟着完成网页,但还
Nginx 从零入门:独立的新手教程 摘要 本文从请求流向、进程模型和配置结构开始,带初学者完成 Nginx 安装、静态网站托管、反向代理、日志查看及常见故障排查。重点是理解每个配置和命令的作用,并形成先检查、再加载、最后验证的维护习惯。 正文 适用对象:第一次接触 Nginx,希望理解它的工作方式、配置结构和常用操作
从任务定义、提示结构、常用策略到评测和安全,建立可测试的提示词设计方法。 提示词工程 一句话理解 提示词(Prompt)是应用交给模型的任务说明和上下文。好的提示不是“写得越长越好”,而是让目标、输入、边界和输出可以被模型理解、被程序校验、被测试集验证。 [!important] 先分清三件事 提示工程改变模型本次看到
覆盖提示工程基础、LangChain 数据流、LangGraph 状态图、持久化与人在环的基础题和场景追问。 Prompt 与编排框架面试题库 怎么使用这套题库 回答时按“定义 → 机制 → 取舍 → 失败模式 → 验证方法”组织。若题目要求代码,先说明项目所用 LangChain/LangGraph 版本,再引用对应
从 Python 环境、变量和完整核心语法开始,逐步学习函数、模块、面向对象、文件处理,再进入数据分析、网络与 AI 应用。 Python 基础与 AI 应用 [!abstract] 这份笔记的定位 这不是只有概念名词的提纲,而是一份可从零跟练的主笔记。先按“基础语法”顺序学习;装饰器、迭代器、并发等放在后面的提高章节
把模型调用、数据处理、网页接口与项目安全整理成可复用的实践流程。 Python AI 项目实战精选 摘要 将课件中的模型调用、HTTP、数据分析和 Web 开发案例收敛为小型 AI 项目结构。重点放在密钥保护、输入校验、错误处理和可验证结果,不依赖某个特定服务商的旧版示例代码。 正文 1. 最小可维护项目结构 将模型调
覆盖 Python 语言机制、AI 工程基础、机器学习训练流程与评估指标的结构化问答。 Python 与机器学习基础面试题库 复习方法 先遮住答案,尝试按“结论 → 机制 → 例子 → 边界”四步回答。答不出时回看 Python基础与AI应用 或 机器学习与深度学习基础 ,再用自己的话复述;不要只背术语。 一、Pyth