英伟达算法岗面试,问的贼专业。。。

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。

  1. 介绍MoE和变体

  2. 介绍LoRA和变体

  3. LoRA 参数更新机制

  4. MLM和MIM的关系和区别?

  5. Stable Diffusion的技术原理

  6. 解決LLM Hallucination的方法

  7. Occupancy预测的出发点是什么?

  8. 2D图像预训练怎么迁移到3D点云任务

  9. 把Transformer模型训深的问题有哪些?怎么解决

  10. 现在车道线检测的主流的loss是什么?你有哪些想法?

  11. 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

  1. 介绍Transformer和ViT

  2. 介绍Transformer的QKV

  3. 介绍Layer Normalization

  4. Transformer训练和部署技巧

  5. 介绍Transformer的位置编码

  6. 介绍自注意力机制和数学公式

  7. 介绍Transformer的Encoder模块

  8. 介绍Transformer的Decoder模块

  9. Transformer和Mamba(SSM)的区别

  10. Transformer中的残差结构以及意义

  11. 为什么Transformer适合多模态任务?

  12. Transformer的并行化体现在哪个地方?

  13. 为什么Transformer一般使用LayerNorm?

  14. Transformer为什么使用多头注意力机制?

  15. Transformer训练的Dropout是如何设定的?

精选

相关推荐
HyperAI超神经2 分钟前
OmniGen2 多模态推理×自我纠正双引擎,引领图像生成新范式;95 万分类标签!TreeOfLife-200M 解锁物种认知新维度
人工智能·数据挖掘·数据集·图像生成·医疗健康·在线教程·数学代码
网安INF13 分钟前
深度学习中批标准化与神经网络调优
人工智能·深度学习·神经网络·机器学习
开开心心_Every14 分钟前
便捷的电脑自动关机辅助工具
开发语言·人工智能·pdf·c#·电脑·音视频·sublime text
EnochChen_15 分钟前
多实例学习简介
人工智能
路溪非溪17 分钟前
Tensorflow的安装记录
人工智能·tensorflow·neo4j
追逐时光者19 分钟前
面试第一步,先准备一份简洁、优雅的简历模板!
后端·面试
jndingxin1 小时前
OpenCV 人脸分析----人脸识别的一个经典类cv::face::EigenFaceRecognizer
人工智能·opencv·计算机视觉
说私域1 小时前
开源链动2+1模式与AI智能名片融合下的S2B2C商城小程序源码:重构大零售时代新生态
人工智能·重构·开源
用什么都重名1 小时前
MinerU:高效智能PDF文档解析工具完全指南
人工智能·python·pdf·mineru·makedown
好心的小明1 小时前
【王树森推荐系统】召回05:矩阵补充、最近邻查找
人工智能·推荐系统