节前,我们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同学、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。
今天分享大模型面试相关知识点,持续更新,希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习,可以文末加入我们交流群。
1. RAG技术体系的总体思路
数据预处理->分块(这一步骤很关键,有时候也决定了模型的效果)->文本向量化->query向量化->向量检索->重排->query+检索内容输入LLM->输出
2. 使用外挂知识库主要为了解决什么问题
-
克服遗忘问题
-
提升回答的准确性、权威性、时效性
-
解决通用模型针对一些小众领域没有涉猎的问题
-
提高可控性和可解释性,提高模型的可信度和安全性
3. 如何评价RAG项目效果的好坏
针对检索环节的评估:
-
MMR 平均倒排率:查询(或推荐请求)的排名倒数
-
Hits Rate 命中率:前k项中,包含正确信息的项的数目占比
-
NDCG
针对生成环节的评估:
-
非量化:完整性、正确性、相关性
-
量化:Rouge-L
4. 大模型的幻觉问题、复读机问题是什么
幻觉问题:即生成的内容是无意义的或不忠实于提供的源内容
复读机问题:重复生成某些话
5. 针对问题4,有没有什么解决办法
针对幻觉问题:引入外挂知识库,加入一些纠偏规则,限制输出长度等
针对复读机问题:
-
丰富数据集的多样性,预处理时尽量过滤重复无意义的文本
-
同义词替换等做数据增强
-
温度参数调整
-
后处理与过滤
6. 出现问题4的原因有哪些
7. 当前主流的开源大模型是哪个,其架构具体是怎样的?
当前开源影响范围最广,生态建设最好的开源大模型是Meta的LLaMA。其依旧采用Transformers架构,并做了如下改动:
-
为了提高训练稳定性,对每个子层做输入前置归一化,归一化函数为RMSNorm(受GPT-3启发)
-
为了提升性能,SwiGLU激活函数替换ReLU激活函数(受PaLM启发)
-
从绝对位置嵌入,改为旋转嵌入(受GPT-neo启发)
-
使用causal multi-head attention的一个高效实现来减少内存占用和运行时间
8. 有哪几种SFT方法
9. 什么是lora微调
12. 什么是LangChain
13. LangChain的常用模块有哪些?
14. SFT和RLHF优劣对比
15. 详细介绍一下RLHF
16. 大模型训练经常出现一些OOM问题,在现有硬件基础下,有什么性能提升trick
17. LLaMA模型输入句子理论上可以无限长吗?
18. 如何让大模型处理更长的文本?
19. 大模型推理时,显存中有那几部分数据?
20. 介绍下ChatGLM
21. 介绍下GLU激活函数和SwiGLU激活函数
22. LLaMA1/2的异同
23. 模型在训练和推理的时候各占用显存的多少?
24. 详细说说Deepspeed的机制
25. 什么是混合精度训练
26. 什么是prefix LLM和casual LLM
27. 说一说针对MHA后续的一些计算优化工作
28. 说说attention几种常见的计算方式
技术交流&资料
大模型&AI产品经理如何学习
求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。
1.学习路线图
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。
(都打包成一块的了,不能一一展开,总共300多集)
因篇幅有限,仅展示部分资料,需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓