NLP/大模型八股专栏结构解析

1.transformer 结构相关

(1)transformer的基本结构有哪些,分别的作用是什么,代码实现。
NLP高频面试题(一)------Transformer的基本结构、作用和代码实现

(2)LSTM、GRU和Transformer结构的区别与联系,优缺点分别是什么?
NLP高频面试题(二)------LSTM、GRU和Transformer结构的区别与联系,优缺点分别是什么?
NLP高频面试题(三)------普通RNN的梯度消失和梯度爆炸问题

(3)为什么要多头注意力机制?

(4)为什么要有QKV三个不同的向量,目前对这块有哪些优化?

(5)self-attention和cross-attention的区别与联系

(6)BN和LN的区别与联系,为什么attention要用LN

NLP高频面试题(四)------BN和LN的区别与联系,为什么attention要用LN

NLP高频面试题(三十四)------深度解析Layer Normalization与Batch Normalization:区别、联系及Transformer为何偏爱LN

2. bert及其变体相关

(1)BERT的基本结构介绍、预训练任务、下游任务
NLP高频面试题(五)------BERT的基本结构介绍、预训练任务、下游任务

(2)BERT和传统的文本表示模型的区别与联系

(3)Bert和transformer论文中有哪些不一样的地方

(4)GPT的基本结构介绍

(5)decoder-only、encoder-only和encoder-decoder的区别与联系
NLP高频面试题(六)------decoder-only、encoder-only和encoder-decoder的区别与联系

(6)GPT和Bert的mask有什么区别?
NLP高频面试题(七)------GPT和Bert的mask有什么区别?

(7)GPT1,2,3分别有哪些改进

NLP高频面试题(八)------GPT三个版本的区别

(8)

3. NLP任务相关

4. 大模型相关

(1)目前常见的几种大模型架构是啥样的
NLP高频面试题(十)------目前常见的几种大模型架构是啥样的

(2)RLHF的流程有哪些
NLP高频面试题(十一)------RLHF的流程有哪些

(3)Lora微调的原理、什么是Qlora
NLP高频面试题(十二)------Lora微调的原理、什么是Qlora

(4)什么是大模型幻觉,如何解决大模型幻觉
NLP高频面试题(十三)------什么是大模型幻觉,如何解决大模型幻觉

(5)DPO、PPO等强化学习训练方法介绍
NLP高频面试题(十四)------DPO、PPO等强化学习训练方法介绍

(6)大模型解码常见参数解析
NLP高频面试题(九)------大模型常见的几种解码方案

NLP高频面试题(二十九)------大模型解码常见参数解析

(7)RAG相关内容简介
NLP高频面试题(二十四)------RAG相关内容简介

(8)RAG的reranker模块结果,原理和目前存在的挑战
NLP高频面试题(二十五)------RAG的reranker模块结果,原理和目前存在的挑战

(9)RAG的retriever模块作用,原理和目前存在的挑战
NLP高频面试题(二十六)------RAG的retriever模块作用,原理和目前存在的挑战

(10)SFT有哪几种参数微调方法?有什么优缺点?
NLP高频面试题(二十七)------SFT有哪几种参数微调方法?有什么优缺点?

(11)Reward model是如何训练的,怎么训练一个比较好的Reward model
NLP高频面试题(二十八)------Reward model是如何训练的,怎么训练一个比较好的Reward model

(12)LLama系列模型介绍,包括LLama LLama2和LLama3
NLP高频面试题(三十)------LLama系列模型介绍,包括LLama LLama2和LLama3
NLP高频面试题(三十五)------LLaMA / ChatGLM / BLOOM的区别

(13)多模态预训练模型的主要结构、特征对齐与融合方法及对比损失函数详解
NLP高频面试题(三十一)------多模态预训练模型的主要结构、特征对齐与融合方法及对比损失函数详解

(14)介绍一下CLIP和CLIP2
NLP高频面试题(三十二)------介绍一下CLIP和CLIP2

(15)Vision Transformer(ViT)模型架构介绍
NLP高频面试题(三十三)------Vision Transformer(ViT)模型架构介绍

(16)深入理解思维链(Chain-of-Thought)提示方法
NLP高频面试题(三十六)------深入理解思维链(Chain-of-Thought)提示方法

5. AI Infra相关

(1)有哪几种分布式训练方式
NLP高频面试题(十五)------有哪几种分布式训练方式

(2)deepspeed原理
NLP高频面试题(十六)------deepspeed原理

(3)什么是KV Cache
NLP高频面试题(十七)------什么是KV Cache

(4)什么是prefill和decoder分离架构
NLP高频面试题(十八)------什么是prefill和decoder分离架构

(5)VLLM推理加速原理
NLP高频面试题(十九)------VLLM推理加速原理

(6)flash attention原理
NLP高频面试题(二十)------flash attention原理

6. DeepSeek相关

(1)deepseek V1-V3 分别有哪些改进,这些改进是如何对模型产生影响的
NLP高频面试题(二十一)------deepseek V1-V3 分别有哪些改进,这些改进是如何对模型产生影响的

(2)deepseek论文中的的GRPO训练原理、和PPO相比有哪些改变,这些改进有什么作用
NLP高频面试题(二十二)------deepseek论文中的的GRPO训练原理、和PPO相比有哪些改变,这些改进有什么作用

7. 其他

(1)对抗训练的发展脉络,原理,演化路径
NLP高频面试题(二十三)对抗训练的发展脉络,原理,演化路径

相关推荐
Sim time30 分钟前
用AI从0开始量化交易-Anaconda环境(env)和缓存(pkg)更改储存位置
人工智能·python·conda
知识趣动36 分钟前
AI入门启航:看见知识库的运行原理
人工智能
灵声讯39 分钟前
开天社交大模型从7B到32B:趣丸科技如何以“情感浓度”破局AI社交体验
人工智能·科技·语言模型
struggle20251 小时前
torchmd-net开源程序是训练神经网络潜力
c++·人工智能·python·深度学习·神经网络
夜松云1 小时前
GoogLeNet:图像分类神经网络的深度剖析与实践
图像处理·人工智能·神经网络·分类·数据挖掘·卷积神经网络·分类算法
alex88861 小时前
电子制造智能化转型:MES如何解决工艺复杂、质量追溯与供应链协同
人工智能·科技·5g·云计算·社交电子·能源·制造
mubei-1231 小时前
深度学习的可解释性——SketchXAI:人类草图可解释性初探
人工智能·深度学习·可解释性
mailangduoduo2 小时前
基于双层注意力重加权 LSTM 的中文长文本谣言检测模型
人工智能·自然语言处理·文本分类·循环神经网络·长短期记忆网络
爆改模型2 小时前
【 CVPR2025】计算机视觉|CEM : 模型逆向工程?条件熵最大化来啦!
人工智能·计算机视觉
华科易迅2 小时前
人工智能学习57-TF训练
人工智能·学习·人工智能学习57-tf训练