节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学。
针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
合集：
《大模型面试宝典》(2024版) 正式发布！
持续火爆！《AIGC 面试宝典》已圈粉无数！
这两天求职群分享了很多大厂的算法岗面试真题（暑期实习基本结束了，校招即将开启）。
这里特别整理了部分英伟达的最新面试题，希望对你有所帮助。
-
介绍MoE和变体
-
介绍LoRA和变体
-
LoRA 参数更新机制
-
MLM和MIM的关系和区别?
-
Stable Diffusion的技术原理
-
解決LLM Hallucination的方法
-
Occupancy预测的出发点是什么?
-
2D图像预训练怎么迁移到3D点云任务
-
把Transformer模型训深的问题有哪些?怎么解决
-
现在车道线检测的主流的loss是什么?你有哪些想法?
-
为什么GAN中经常遇到mode collapse，而Diffusion比较少?
我还特别整理15道Transformer高频面试题 （求职群里有数百道Transformer题目，还有答案）
-
介绍Transformer和ViT
-
介绍Transformer的QKV
-
介绍Layer Normalization
-
Transformer训练和部署技巧
-
介绍Transformer的位置编码
-
介绍自注意力机制和数学公式
-
介绍Transformer的Encoder模块
-
介绍Transformer的Decoder模块
-
Transformer和Mamba（SSM）的区别
-
Transformer中的残差结构以及意义
-
为什么Transformer适合多模态任务？
-
Transformer的并行化体现在哪个地方？
-
为什么Transformer一般使用LayerNorm？
-
Transformer为什么使用多头注意力机制？
-
Transformer训练的Dropout是如何设定的？
精选
- 轻松构建聊天机器人，大模型 RAG 有了更强大的AI检索器
- 一文搞懂大模型训练加速框架 DeepSpeed 的使用方法！
- 保姆级学习指南：《Pytorch 实战宝典》来了
- MoE 大模型的前世今生
- 从零解读 SAM(Segment Anything Model)
- AI 绘画爆火背后：扩散模型原理及实现
- 从零开始构建和训练生成对抗网络（GAN）模型
- CLIP/LLaVA/LLaVA1.5/VILA 模型全面梳理！
- 从零开始创建一个小规模的稳定扩散模型！
- Stable Diffusion 模型：LDM、SD 1.0, 1.5, 2.0、SDXL、SDXL-Turbo 等
- 文生图模型：AE、VAE、VQ-VAE、VQ-GAN、DALL-E 等 8 模型
- 一文搞懂 BERT（基于Transformer的双向编码器）
- 一文搞懂 GPT（Generative Pre-trained Transformer）
- 一文搞懂 ViT（Vision Transformer）
- 一文搞懂 Transformer
- 一文搞懂 Attention（注意力）机制
- 一文搞懂 Self-Attention 和 Multi-Head Attention
- 一文搞懂 Embedding（嵌入）
- 一文搞懂 Encoder-Decoder（编码器-解码器）