2024最新常考大模型面试八股
大模型(LLMS)基础面
1.目前 主流的开源模型体系有哪些?2.prefix Decoder和causal Decoder和Encoder-Decoder区别是什么?
3.大模型LLM的训练目标是什么?
4.涌现能力是啥原因?
5.为何现在的大模型大部分是Decoderonly结构?
6.简单介绍一下大模型【LLMS】?
7.大模型【LLMS】后面跟的 175B、60B、540B等指什么?
8.大模型【LLMS】具有什么优点?
9.大模型【LLMS】具有什么缺点?
大模型(LLMS)进阶面
1.什么是生成式大模型?
2.大模型是怎么让生成的文本丰富而不单调的呢?
3.LLMs 复读机问题
4.llama 系列问题
5.什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选?
6.各个专业领域是否需要各自的大模型来服务?
7.如何让大模型处理更长的文本?
大模型(LLMS)基础面
1.目前 主流的开源模型体系有哪些?2.prefix Decoder和causal Decoder和Encoder-Decoder区别是什么?
3.大模型LLM的训练目标是什么?
4.涌现能力是啥原因?
5.为何现在的大模型大部分是Decoderonly结构?
6.简单介绍一下大模型【LLMS】?
7.大模型【LLMS】后面跟的 175B、60B、540B等指什么?
8.大模型【LLMS】具有什么优点?
9.大模型【LLMS】具有什么缺点?
大模型(LLMS)进阶面
1.什么是生成式大模型?
2.大模型是怎么让生成的文本丰富而不单调的呢?
3.LLMs 复读机问题
4.llama 系列问题
5.什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选?
6.各个专业领域是否需要各自的大模型来服务?
7.如何让大模型处理更长的文本?
大模型(LLMs)langchain 面
1.什么是 LangChain?
2.LangChain 包含哪些 核心概念?
2.1 LangChain 中 Components and chains 是什么?
2.2 LangChain 中 Prompt Templates and Values 是什么?
2.3 LangChain 中 Example Selectors 是什么?
2.4 LangChain 中 Output Parsers 是什么?
2.5 LangChain 中Indexes and Retrievers 是什么?
2.6 LangChain 中 Chat Message History是什么?
2.7 LangChain 中 Agents and Toolkits 是什么?
3.什么是 LangChain Agent?
4.如何使用 LangChain ?
5.LangChain 支持哪些功能?
6.什么是 LangChain model?
7.LangChain 包含哪些特点?
8.LangChain 如何使用?
8.1 LangChain 如何调用 LLMs 生成回复?
8.2 LangChain 如何修改 提示模板?
8.3 LangChain 如何链接多个组件处理一个特定的下游任
务?
8.4 LangChain 如何Embedding & vector store?
LangChain 存在哪些问题及方法方案?
1.LangChain 低效的令牌使用问题
2.LangChain 文档的问题
3.LangChain 太多概念容易混淆，过多的“辅助”函数问题
4.LangChain 行为不一致并且隐藏细节问题
5.LangChain 缺乏标准的可互操作数据类型问题
大模型 RAG 经验面
一、LLMS 已经具备了较强能力了，存在哪些不足点?
二、什么是 RAG?
2.1R:检索器模块
·2.1.1如何获得准确的语义表示?
2.1.2 如何协调查询和文档的语义空间?
·2.1.3 如何对齐检索模型的输出和大语言模型的偏好?
2.2 G:生成器模块
2.2.1 生成器介绍
2.2.2 如何通过后检索处理提升检索结果?
2.2.3 如何优化生成器应对输入数据?
三、使用 RAG 的好处?
四、RAG V.S.SFT
五、介绍-下 RAG 典型实现方法?
5.1 如何 构建 数据索引?
·5.2 如何 对数据进行检索(Retrieval)?
5.3 对于 检索到的文本，如果生成正确回复?
六、介绍-下 RAG 典型案例?
·6.1 ChatPDF 及其 复刻版
6.2 Baichuan
6.3 Multi-modal retrieval-based LMs七、RAG 存在什么问题?
如何学习AI大模型？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等,