当前位置：首页 > news >正文

大模型面试宝典

news 2026/4/29 10:58:58

21道高频面试题，一题一表，一句话总结

一、LoRA与模型微调

1. LoRA原理

维度	内容
核心思想	冻结原参数，训练旁路低秩矩阵 B×A
A矩阵	随机初始化（降维）
B矩阵	全0初始化（升维）
参数量减少	99%+
效果	接近全量微调

💡 总结：用两个小矩阵模拟大矩阵的更新，成本低效果好。

2. LayerNorm

维度	内容
公式	LN(x) = γ·(x-μ)/σ + β
操作	减均值、除标准差、加缩放、加偏移
作用	稳定训练

💡 总结：对每个样本做归一化，让训练更平稳。

3. RMSNorm

维度	内容
公式	RMSNorm(x) = γ·x / RMS(x)
去掉的操作	减均值、加bias
保留的操作	均方根缩放

💡 总结：LayerNorm的简化版，省掉均值和bias，计算更快。

4. RMSNorm vs LayerNorm

对比项	LayerNorm	RMSNorm
计算量	大	小
速度	慢	快
效果	好	相当

💡 总结：LN成功靠缩放不变性而非平移不变性，RMSNorm又快又不差。

二、Transformer架构

5. 三种架构对比

架构	代表模型	注意力	适用场景
Encoder-only	BERT	双向	分类、NER、问答
Decoder-only	GPT	单向	文本生成、对话
Encoder-Decoder	T5	双向+单向	翻译、摘要

💡 总结：理解用BERT，生作用GPT，翻译用T5。

6. 为什么LLM都是Decoder-only？

原因	说明
低秩问题	双向注意力存在低秩效应，效果下降
成本效率	同等条件下Decoder-only效果最优
Zero-shot	Decoder-only的zero-shot能力更强

💡 总结：不是双向不好，而是Decoder-only在成本、效果、泛化上更均衡。

7. Transformer六大核心创新

组件	作用
自注意力	全局建模
多头注意力	多角度捕捉
位置编码	引入顺序信息
编码器-解码器	理解+生成
残差连接	防梯度消失
层归一化	稳定训练

💡 总结：六剑合一的序列建模神器。

三、BERT详解

8. BERT的Mask策略

比例	操作	目的
15%	选中做mask	整体比例
80%	→[MASK]	标准训练
10%	→随机词	防过拟合，依赖上下文
10%	不变	避免finetune时没有[MASK]

💡 总结：核心目的是让模型具备纠错能力，不能死记硬背。

9. Warm-up策略(学习率预热)

阶段	学习率	原因
初期	小	防过拟合
中期	大	加速收敛
后期	衰减	稳定接近最优解

💡 总结：先慢后快再慢，像开车起步一样。

10. BERT预训练任务

任务	类型	目标
MLM	词级分类	预测被mask的词
NSP	句级分类	判断两句话是否连续

💡 总结：同时学单词理解和句子关系。

11. BERT损失函数

公式	说明
L = L_MLM + L_NSP	两个任务联合训练

💡 总结：简单相加，联合优化。

12. BERT vs ELMo

对比	ELMo	BERT
提取器	LSTM	Transformer
上下文	双向拼接	真正双向
使用方式	Feature-based	Fine-tuning

💡 总结：Transformer+LSTM、双向注意双向拼接、微调特征提取，全方位碾压。

四、RNN vs GNN

13. 区别与适用场景

维度	RNN	GNN
数据	序列（时间顺序）	图（节点+边）
核心问题	长期依赖	关系捕捉
适用	语音、文本、时间序列	社交网络、分子结构、推荐

💡 总结：序列问题用RNN，图结构问题用GNN，别混用。

五、显存与训练技巧

14. 显存占用估算

阶段	公式	7B模型示例
推理	2×参数量 GB	≈14GB
训练	8×参数量 GB	≈56GB

💡 总结：训练显存 ≈ 推理的4倍，因为要存梯度和优化器状态。

15. LayerNorm的三种位置

类型	位置	优点	缺点
Post-LN	残差后	效果好	训练不稳定
Pre-LN	残差中	训练稳定	效果略差
Sandwich-LN	Pre-LN上加一层	防值爆炸	可能崩溃

💡 总结：大模型训练用Pre-LN，稳定第一。

16. LLM训练七条建议

#	建议	一句话解释
1	弹性容错+自动重启	训练几周，不能断
2	定期存checkpoint	断了能恢复
3	想清楚再训练	成本高，别重复
4	关注TFLOPs	GPU利用率不只是%
5	选对框架	DeepSpeed比原生好
6	环境一致	python/pip版本要管
7	别乱升级GLIBC	会导致系统崩溃

💡 总结：稳定 > 速度，省钱 > 面子，存盘 > 自信。

六、RAG专题

17. RAG基本原理

阶段	做什么
离线	文档→切块→向量化→存向量库
在线	用户问→向量化→检索TopK→拼Prompt→LLM生成

💡 总结：让LLM带着"小抄"回答问题，防幻觉。

18. RAG评估方法

类型	评估对象	指标
独立评估	检索模块	Hit Rate、MRR、NDCG
独立评估	生成模块	上下文相关性
端到端评估	最终回答	准确性、相关性、EM

💡 总结：既要看检得准不准，也要看答得好不好。

19. RAG评估框架

框架	核心方法
RAGAS	手写Prompt自动评估
ARES	合成数据训练LLM裁判

💡 总结：不想人工标注答案，就上RAGAS或ARES。

20. RAG各模块优化策略

模块	优化策略
文档切分	重叠、多粒度、语义切分
Embedding	微调、动态表征
提示词	优化模板、改写
大模型	微调、量化、加长context
检索结果	过滤、重排序

💡 总结：每一刀都能切出效果提升。

七、PDF数据提取

21. PDF提取方法

任务	推荐工具	一句话说明
提取文本	PyMuPDF	双栏排版也能保持顺序
提取表格	camelot	有线表效果好
提取扫描文本	PaddleOCR+PPStructure	OCR+版面分析

💡 总结：文本用PyMuPDF，表格用camelot，扫描件用PaddleOCR。

八、面试速记卡（一句话版）

问题	一句话答案
LoRA原理	冻结原参数，训练低秩旁路
RMSNorm好在哪里	去掉了减均值，计算更快
为什么Decoder-only	低成本+高效果+强zero-shot
BERT的mask策略	80%[MASK]+10%随机+10%不变
为什么warm-up	初期防过拟合
BERT vs ELMo	Transformer > LSTM，微调 > 特征提取
训练显存估算	推理2倍，训练8倍参数量
Pre-LN vs Post-LN	大模型选Pre-LN，稳定
RAG原理	检索增强生成，防幻觉
PDF提取	PyMuPDF+camelot+PaddleOCR