本文整理了小红书大模型算法实习面试中的核心问题及解答涵盖LLaMA改进、微调与对齐区别、对齐时机判断、四种对齐算法比较、位置编码原理、GAE与重要性采样、损失采样、主流大模型架构、PagedAttention和LoRA初始化等。内容注重基础理解与工程落地适合准备大模型算法岗的同学复习和收藏。问题1LLaMA 相比原始 Transformer 架构有哪些改进 问题难点分析这道题看着基础但想拿高分不容易。很多人能说出RMSNorm、SwiGLU但容易漏掉RoPE、去偏置等细节。难点在于既要全面又要精准最好还能说明为什么这些改进有效。 面试官考察点是否读过LLaMA原始论文对Transformer变体的敏感度能否从原理层面解释改进动机✅ 标准回答LLaMA相比原始Transformer主要有以下改进Pre-normalization with RMSNorm用RMSNorm替代LayerNorm放在每个子层之前。RMSNorm计算更简单训练更稳定且去掉了中心化操作保留了幅度信息。SwiGLU激活函数用SwiGLU替代ReLU本质是GLU的变体能引入更多非线性提升模型表达能力。LLaMA中的实现是FFN (swish(xW) * xV) W2。RoPE旋转位置编码采用相对位置编码通过旋转矩阵注入位置信息比绝对位置编码有更好的长度外推性。去掉偏置项在Linear层和LayerNorm中去掉bias减少参数和计算量对效果影响不大但能省显存。优化器设置使用AdamW并采用余弦学习率调度和梯度裁剪。 问题衍生RMSNorm和LayerNorm的本质区别是什么RoPE是如何实现相对位置编码的SwiGLU相比ReLU和GELU的优势在哪里问题2微调Fine-tuning和对齐Alignment的区别 问题难点分析很多人把这两个概念混为一谈。难点在于清晰界定两者的目标和手段并说明它们在LLM训练流程中的先后关系。 面试官考察点对LLM全流程训练的理解能否区分“任务能力”和“行为偏好”✅ 标准回答微调Fine-tuning和对齐Alignment是LLM训练的两个不同阶段微调通常指SFT用高质量的任务数据问答、指令等继续训练预训练模型目的是让模型学会遵循指令、完成特定任务。它优化的是任务准确率。对齐指RLHF等过程通过人类反馈优化模型行为让模型生成符合人类偏好的内容如更有用、更无害、更诚实。它优化的是主观偏好。两者关系先微调让模型“能做事”再对齐让模型“好好做事”。微调是基础对齐是升华。 问题衍生如果先对齐再微调会怎样对齐阶段的数据和微调阶段的数据有什么区别RLHF中的奖励模型是如何训练的问题3模型微调到什么程度才需要进行对齐 问题难点分析这道题没有标准答案考察的是工程经验和判断力。难点在于给出合理的阈值或判断依据。 面试官考察点对模型训练中“能力”和“安全”平衡的理解能否结合实际场景分析✅ 标准回答对齐并不是微调到某个特定程度才开始的而是一个独立于微调的优化环节。通常的做法是先进行SFT让模型具备基本的指令跟随能力和任务能力。评估模型在开放域的表现如果模型已经能正确完成任务但偶尔输出有害、偏见或不期望的内容就需要对齐来“纠偏”。如果SFT后模型在目标任务上效果达标且没有明显的不良行为可以不进行对齐比如专用领域的封闭任务。对于通用对话模型SFT后几乎一定会做对齐因为开放场景下不可控因素太多。所以“到什么程度”更多取决于应用场景和风险容忍度而不是模型在SFT上的指标。 问题衍生如果SFT后模型已经很好再做对齐会不会破坏性能有没有可能在SFT阶段就融入对齐目标如何衡量对齐的效果问题4四种对齐算法的区别PPO、DPO、GRPO、DSPO 问题难点分析这道题是进阶分水岭。PPO和DPO是经典GRPO是DeepSeek的创新DSPO是2025年新出的算法可能指Direct Step-level Optimization或类似变体。难点在于不仅要说出区别还要理解每种算法的设计动机和适用场景。 面试官考察点对RLHF最新进展的跟进程度能否从原理层面比较算法的优劣是否理解算法背后的trade-off✅ 标准回答这四种算法代表了RLHF从“重资源精细控制”到“轻量高效”再到“理论修正”的演进路径PPOProximal Policy Optimization标准RLHF算法需要维护Actor、Critic、Reward Model、Reference四个模型。Critic提供每个token的实时价值估计优势函数计算精细但显存占用大训练复杂。DPODirect Preference Optimization斯坦福提出直接对偏好概率建模将RL目标转化为监督学习损失。无需Reward Model和RL流程只需要两个模型Actor和Reference训练简单稳定但对数据质量要求极高。GRPOGroup Relative Policy OptimizationDeepSeek推出去掉Critic对同一个问题采样多个答案用组内奖励的均值和标准差标准化作为优势函数。特别适合数学、代码等可客观评分的任务显存占用比PPO降低40%以上但token级的重要性采样存在理论缺陷。DSPODirect Step-level Policy Optimization / 或更广义的变体可能是2025年提出的新方法核心思想是在step级别进行优化比DPO的序列级更精细但比PPO的token级更粗。具体实现因论文而异但通常旨在平衡效率和稳定性。 问题衍生GRPO的组大小怎么选DSPO相比GRPO的改进点在哪里DPO的损失函数是如何推导出来的问题5位置编码的作用为什么相对位置编码通常比绝对位置编码更好 问题难点分析基础但需要深度。难点在于不仅要说出区别还要解释“为什么更好”比如外推性、平移不变性。 面试官考察点对Transformer位置信息的本质理解是否了解RoPE等现代位置编码✅ 标准回答位置编码的作用是给Transformer注入序列中token的顺序信息因为自注意力本身是位置无关的。绝对位置编码如正弦编码、可学习嵌入将每个位置映射到一个固定向量但存在两个问题长度外推差训练时见过的最大长度限制了泛化能力。位置信息是绝对距离难以捕捉相对关系。相对位置编码如RoPE、T5的相对偏置关注token之间的相对距离让模型更容易泛化到更长的序列且对输入的轻微平移具有一定不变性。以RoPE为例它通过旋转矩阵乘上token的嵌入使得内积结果只依赖于相对位置从而自然地建模了相对关系。 问题衍生RoPE的具体实现原理是什么如何评估一种位置编码的外推能力还有哪些相对位置编码的变体问题6GAEGeneralized Advantage Estimation以及重要性采样Importance Sampling 问题难点分析强化学习的基础概念但需要理解它们在PPO等算法中的具体应用。难点在于公式背后的直觉。 面试官考察点对RL基础理论的掌握能否将理论和实际算法联系起来✅ 标准回答GAE广义优势估计用于在强化学习中平衡优势估计的偏差和方差。它通过TD误差的指数加权平均来估计优势函数 [ \hat{A}t \sum{l0}^{\infty} (\gamma\lambda)^l \delta_{tl} ] 其中δ是TD误差λ是平衡参数λ0时等价于单步TD方差小偏差大λ1时等价于蒙特卡洛偏差小方差大。GAE在PPO中用于计算每个token的优势值。重要性采样当从旧策略采样数据来更新新策略时由于分布不匹配需要用重要性权重修正 [ w \frac\pi_{\text{new}}(as)\pi_{\text{old}}(as)] 在PPO中重要性采样用于构建目标函数并通过clip操作限制权重范围防止更新步长过大。 问题衍生GAE中的λ如何选择PPO中为什么要对重要性权重进行裁剪重要性采样在DPO中是否被使用问题7损失采样Loss Sampling相关问题 问题难点分析“损失采样”这个词可能有歧义需要结合上下文理解。可能指训练中根据损失大小调整样本权重或RL中的样本筛选。难点在于准确理解面试官意图。 面试官考察点对训练技巧的掌握能否灵活应对不明确的问题✅ 标准回答损失采样通常指在训练过程中根据样本的损失值对样本进行加权或重新采样让模型更关注那些“难例”或“重要样本”。常见做法计算每个样本的损失归一化后作为采样概率。或者直接对损失大的样本赋予更高权重如Focal Loss的思想。在RLHF中有时也会对生成的样本根据奖励或优势进行筛选只保留高质量样本用于训练这也是一种损失采样的变体。如果面试官追问可以进一步说明损失采样能加速收敛防止模型被简单样本淹没但需要注意避免过拟合噪声样本。 问题衍生如何避免损失采样导致训练不稳定损失采样和主动学习的区别在RL中如何实现基于优势的样本筛选问题8目前了解哪些大模型架构例如 LLaMA 等。 问题难点分析开放性问题考察知识广度。难点在于有条理地列举并能简要说明特点。 面试官考察点对业界主流模型的关注度能否归纳不同架构的适用场景✅ 标准回答我了解的主流大模型架构包括LLaMA系列基于Transformer decoder采用RMSNorm、SwiGLU、RoPE是目前开源社区的基石。GPT系列OpenAI的decoder-only架构强调自回归生成。T5encoder-decoder架构将所有NLP任务统一为文本到文本的形式。BERTencoder-only适合理解型任务。混合专家模型MoE如Mixtral 8x7B、DeepSeek-V3通过稀疏激活专家用更少计算量实现大参数量。多模态架构如CLIP、Flamingo、LLaVA融合视觉和语言。最新的Qwen3、DeepSeek-R1在推理和效率上有创新如动态思考机制、GRPO等。 问题衍生为什么decoder-only架构成为主流MoE模型的训练挑战有哪些Qwen3的“动态思考”机制是怎么实现的问题9是否了解 PagedAttention 问题难点分析vLLM的核心技术属于推理优化方向。难点在于理解其设计动机和工作原理。 面试官考察点对推理加速技术的关注能否解释清楚内存管理创新✅ 标准回答PagedAttention是vLLM提出的注意力算法主要解决大模型推理时KV缓存的内存管理问题。传统方法为每个请求预先分配连续内存导致大量碎片化和低利用率。PagedAttention借鉴操作系统的虚拟内存分页思想将KV缓存划分为固定大小的“块”pages允许这些块在内存中非连续存储。通过块表映射实现按需分配和共享如beam search中多个序列可共享部分缓存。这大大减少了显存浪费提高了批处理吞吐量。 问题衍生PagedAttention和传统的Multi-Query Attention有什么关系vLLM相比HuggingFace的generate加速多少如何在生产环境部署vLLM问题10LoRA 中两个低秩矩阵是如何初始化的 问题难点分析细节题考察对LoRA实现的熟悉程度。难点在于不仅要说出初始化方式还要解释原因。 面试官考察点是否真的用过LoRA对微调技巧的理解✅ 标准回答LoRA通过两个低秩矩阵A和B来近似参数更新ΔW BA。初始化时A矩阵用随机高斯分布初始化均值为0方差为σ²。B矩阵初始化为零矩阵。这样做的原因是初始时BA0ΔW0LoRA分支对模型输出没有影响模型行为与原始预训练模型完全一致保证了训练的稳定性。随着训练进行B逐渐学习ΔW慢慢调整。 问题衍生为什么不用全零初始化A和BLoRA的秩r如何选择LoRA和AdaLoRA的区别问题11PPO 中的四种模型分别是什么各自的作用是什么 问题难点分析经典题但容易漏掉Reference模型或混淆Reward和Critic。难点在于理清每个模型的角色。 面试官考察点对RLHF流程的整体把握能否区分不同网络的功能✅ 标准回答在RLHF的PPO训练中通常涉及四个模型Actor策略模型即我们正在训练的语言模型根据输入生成回复。它是优化的主体。Critic价值模型估计当前状态的价值即预期累积奖励用于计算优势函数。它辅助Actor更新通常是一个与Actor结构类似的模型但输出标量。Reward Model奖励模型基于人类偏好数据训练给Actor生成的回复打分提供奖励信号。Reward在训练中是固定的。Reference参考模型即原始的SFT模型或预训练模型用于计算KL散度约束Actor不要偏离太远防止奖励黑客和模式崩溃。在训练中Actor和Critic会更新Reward和Reference保持冻结。 问题衍生为什么需要KL散度约束Critic和Reward能不能合并PPO训练中如何平衡KL和奖励写在最后小红书这场面试下来最大的感受是基础要扎实前沿要跟进算法和工程要结合。这些问题既有经典理论PPO、GAE也有最新进展GRPO、DSPO还有工程细节PagedAttention、LoRA初始化。能完整答下来确实需要平时多看论文、多动手。如果你也在准备大模型算法岗希望这份复盘对你有帮助。欢迎转发给需要的朋友祝大家都能拿到心仪的offer最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
大模型面试必备：小白也能收藏的算法核心考点解析
本文整理了小红书大模型算法实习面试中的核心问题及解答涵盖LLaMA改进、微调与对齐区别、对齐时机判断、四种对齐算法比较、位置编码原理、GAE与重要性采样、损失采样、主流大模型架构、PagedAttention和LoRA初始化等。内容注重基础理解与工程落地适合准备大模型算法岗的同学复习和收藏。问题1LLaMA 相比原始 Transformer 架构有哪些改进 问题难点分析这道题看着基础但想拿高分不容易。很多人能说出RMSNorm、SwiGLU但容易漏掉RoPE、去偏置等细节。难点在于既要全面又要精准最好还能说明为什么这些改进有效。 面试官考察点是否读过LLaMA原始论文对Transformer变体的敏感度能否从原理层面解释改进动机✅ 标准回答LLaMA相比原始Transformer主要有以下改进Pre-normalization with RMSNorm用RMSNorm替代LayerNorm放在每个子层之前。RMSNorm计算更简单训练更稳定且去掉了中心化操作保留了幅度信息。SwiGLU激活函数用SwiGLU替代ReLU本质是GLU的变体能引入更多非线性提升模型表达能力。LLaMA中的实现是FFN (swish(xW) * xV) W2。RoPE旋转位置编码采用相对位置编码通过旋转矩阵注入位置信息比绝对位置编码有更好的长度外推性。去掉偏置项在Linear层和LayerNorm中去掉bias减少参数和计算量对效果影响不大但能省显存。优化器设置使用AdamW并采用余弦学习率调度和梯度裁剪。 问题衍生RMSNorm和LayerNorm的本质区别是什么RoPE是如何实现相对位置编码的SwiGLU相比ReLU和GELU的优势在哪里问题2微调Fine-tuning和对齐Alignment的区别 问题难点分析很多人把这两个概念混为一谈。难点在于清晰界定两者的目标和手段并说明它们在LLM训练流程中的先后关系。 面试官考察点对LLM全流程训练的理解能否区分“任务能力”和“行为偏好”✅ 标准回答微调Fine-tuning和对齐Alignment是LLM训练的两个不同阶段微调通常指SFT用高质量的任务数据问答、指令等继续训练预训练模型目的是让模型学会遵循指令、完成特定任务。它优化的是任务准确率。对齐指RLHF等过程通过人类反馈优化模型行为让模型生成符合人类偏好的内容如更有用、更无害、更诚实。它优化的是主观偏好。两者关系先微调让模型“能做事”再对齐让模型“好好做事”。微调是基础对齐是升华。 问题衍生如果先对齐再微调会怎样对齐阶段的数据和微调阶段的数据有什么区别RLHF中的奖励模型是如何训练的问题3模型微调到什么程度才需要进行对齐 问题难点分析这道题没有标准答案考察的是工程经验和判断力。难点在于给出合理的阈值或判断依据。 面试官考察点对模型训练中“能力”和“安全”平衡的理解能否结合实际场景分析✅ 标准回答对齐并不是微调到某个特定程度才开始的而是一个独立于微调的优化环节。通常的做法是先进行SFT让模型具备基本的指令跟随能力和任务能力。评估模型在开放域的表现如果模型已经能正确完成任务但偶尔输出有害、偏见或不期望的内容就需要对齐来“纠偏”。如果SFT后模型在目标任务上效果达标且没有明显的不良行为可以不进行对齐比如专用领域的封闭任务。对于通用对话模型SFT后几乎一定会做对齐因为开放场景下不可控因素太多。所以“到什么程度”更多取决于应用场景和风险容忍度而不是模型在SFT上的指标。 问题衍生如果SFT后模型已经很好再做对齐会不会破坏性能有没有可能在SFT阶段就融入对齐目标如何衡量对齐的效果问题4四种对齐算法的区别PPO、DPO、GRPO、DSPO 问题难点分析这道题是进阶分水岭。PPO和DPO是经典GRPO是DeepSeek的创新DSPO是2025年新出的算法可能指Direct Step-level Optimization或类似变体。难点在于不仅要说出区别还要理解每种算法的设计动机和适用场景。 面试官考察点对RLHF最新进展的跟进程度能否从原理层面比较算法的优劣是否理解算法背后的trade-off✅ 标准回答这四种算法代表了RLHF从“重资源精细控制”到“轻量高效”再到“理论修正”的演进路径PPOProximal Policy Optimization标准RLHF算法需要维护Actor、Critic、Reward Model、Reference四个模型。Critic提供每个token的实时价值估计优势函数计算精细但显存占用大训练复杂。DPODirect Preference Optimization斯坦福提出直接对偏好概率建模将RL目标转化为监督学习损失。无需Reward Model和RL流程只需要两个模型Actor和Reference训练简单稳定但对数据质量要求极高。GRPOGroup Relative Policy OptimizationDeepSeek推出去掉Critic对同一个问题采样多个答案用组内奖励的均值和标准差标准化作为优势函数。特别适合数学、代码等可客观评分的任务显存占用比PPO降低40%以上但token级的重要性采样存在理论缺陷。DSPODirect Step-level Policy Optimization / 或更广义的变体可能是2025年提出的新方法核心思想是在step级别进行优化比DPO的序列级更精细但比PPO的token级更粗。具体实现因论文而异但通常旨在平衡效率和稳定性。 问题衍生GRPO的组大小怎么选DSPO相比GRPO的改进点在哪里DPO的损失函数是如何推导出来的问题5位置编码的作用为什么相对位置编码通常比绝对位置编码更好 问题难点分析基础但需要深度。难点在于不仅要说出区别还要解释“为什么更好”比如外推性、平移不变性。 面试官考察点对Transformer位置信息的本质理解是否了解RoPE等现代位置编码✅ 标准回答位置编码的作用是给Transformer注入序列中token的顺序信息因为自注意力本身是位置无关的。绝对位置编码如正弦编码、可学习嵌入将每个位置映射到一个固定向量但存在两个问题长度外推差训练时见过的最大长度限制了泛化能力。位置信息是绝对距离难以捕捉相对关系。相对位置编码如RoPE、T5的相对偏置关注token之间的相对距离让模型更容易泛化到更长的序列且对输入的轻微平移具有一定不变性。以RoPE为例它通过旋转矩阵乘上token的嵌入使得内积结果只依赖于相对位置从而自然地建模了相对关系。 问题衍生RoPE的具体实现原理是什么如何评估一种位置编码的外推能力还有哪些相对位置编码的变体问题6GAEGeneralized Advantage Estimation以及重要性采样Importance Sampling 问题难点分析强化学习的基础概念但需要理解它们在PPO等算法中的具体应用。难点在于公式背后的直觉。 面试官考察点对RL基础理论的掌握能否将理论和实际算法联系起来✅ 标准回答GAE广义优势估计用于在强化学习中平衡优势估计的偏差和方差。它通过TD误差的指数加权平均来估计优势函数 [ \hat{A}t \sum{l0}^{\infty} (\gamma\lambda)^l \delta_{tl} ] 其中δ是TD误差λ是平衡参数λ0时等价于单步TD方差小偏差大λ1时等价于蒙特卡洛偏差小方差大。GAE在PPO中用于计算每个token的优势值。重要性采样当从旧策略采样数据来更新新策略时由于分布不匹配需要用重要性权重修正 [ w \frac\pi_{\text{new}}(as)\pi_{\text{old}}(as)] 在PPO中重要性采样用于构建目标函数并通过clip操作限制权重范围防止更新步长过大。 问题衍生GAE中的λ如何选择PPO中为什么要对重要性权重进行裁剪重要性采样在DPO中是否被使用问题7损失采样Loss Sampling相关问题 问题难点分析“损失采样”这个词可能有歧义需要结合上下文理解。可能指训练中根据损失大小调整样本权重或RL中的样本筛选。难点在于准确理解面试官意图。 面试官考察点对训练技巧的掌握能否灵活应对不明确的问题✅ 标准回答损失采样通常指在训练过程中根据样本的损失值对样本进行加权或重新采样让模型更关注那些“难例”或“重要样本”。常见做法计算每个样本的损失归一化后作为采样概率。或者直接对损失大的样本赋予更高权重如Focal Loss的思想。在RLHF中有时也会对生成的样本根据奖励或优势进行筛选只保留高质量样本用于训练这也是一种损失采样的变体。如果面试官追问可以进一步说明损失采样能加速收敛防止模型被简单样本淹没但需要注意避免过拟合噪声样本。 问题衍生如何避免损失采样导致训练不稳定损失采样和主动学习的区别在RL中如何实现基于优势的样本筛选问题8目前了解哪些大模型架构例如 LLaMA 等。 问题难点分析开放性问题考察知识广度。难点在于有条理地列举并能简要说明特点。 面试官考察点对业界主流模型的关注度能否归纳不同架构的适用场景✅ 标准回答我了解的主流大模型架构包括LLaMA系列基于Transformer decoder采用RMSNorm、SwiGLU、RoPE是目前开源社区的基石。GPT系列OpenAI的decoder-only架构强调自回归生成。T5encoder-decoder架构将所有NLP任务统一为文本到文本的形式。BERTencoder-only适合理解型任务。混合专家模型MoE如Mixtral 8x7B、DeepSeek-V3通过稀疏激活专家用更少计算量实现大参数量。多模态架构如CLIP、Flamingo、LLaVA融合视觉和语言。最新的Qwen3、DeepSeek-R1在推理和效率上有创新如动态思考机制、GRPO等。 问题衍生为什么decoder-only架构成为主流MoE模型的训练挑战有哪些Qwen3的“动态思考”机制是怎么实现的问题9是否了解 PagedAttention 问题难点分析vLLM的核心技术属于推理优化方向。难点在于理解其设计动机和工作原理。 面试官考察点对推理加速技术的关注能否解释清楚内存管理创新✅ 标准回答PagedAttention是vLLM提出的注意力算法主要解决大模型推理时KV缓存的内存管理问题。传统方法为每个请求预先分配连续内存导致大量碎片化和低利用率。PagedAttention借鉴操作系统的虚拟内存分页思想将KV缓存划分为固定大小的“块”pages允许这些块在内存中非连续存储。通过块表映射实现按需分配和共享如beam search中多个序列可共享部分缓存。这大大减少了显存浪费提高了批处理吞吐量。 问题衍生PagedAttention和传统的Multi-Query Attention有什么关系vLLM相比HuggingFace的generate加速多少如何在生产环境部署vLLM问题10LoRA 中两个低秩矩阵是如何初始化的 问题难点分析细节题考察对LoRA实现的熟悉程度。难点在于不仅要说出初始化方式还要解释原因。 面试官考察点是否真的用过LoRA对微调技巧的理解✅ 标准回答LoRA通过两个低秩矩阵A和B来近似参数更新ΔW BA。初始化时A矩阵用随机高斯分布初始化均值为0方差为σ²。B矩阵初始化为零矩阵。这样做的原因是初始时BA0ΔW0LoRA分支对模型输出没有影响模型行为与原始预训练模型完全一致保证了训练的稳定性。随着训练进行B逐渐学习ΔW慢慢调整。 问题衍生为什么不用全零初始化A和BLoRA的秩r如何选择LoRA和AdaLoRA的区别问题11PPO 中的四种模型分别是什么各自的作用是什么 问题难点分析经典题但容易漏掉Reference模型或混淆Reward和Critic。难点在于理清每个模型的角色。 面试官考察点对RLHF流程的整体把握能否区分不同网络的功能✅ 标准回答在RLHF的PPO训练中通常涉及四个模型Actor策略模型即我们正在训练的语言模型根据输入生成回复。它是优化的主体。Critic价值模型估计当前状态的价值即预期累积奖励用于计算优势函数。它辅助Actor更新通常是一个与Actor结构类似的模型但输出标量。Reward Model奖励模型基于人类偏好数据训练给Actor生成的回复打分提供奖励信号。Reward在训练中是固定的。Reference参考模型即原始的SFT模型或预训练模型用于计算KL散度约束Actor不要偏离太远防止奖励黑客和模式崩溃。在训练中Actor和Critic会更新Reward和Reference保持冻结。 问题衍生为什么需要KL散度约束Critic和Reward能不能合并PPO训练中如何平衡KL和奖励写在最后小红书这场面试下来最大的感受是基础要扎实前沿要跟进算法和工程要结合。这些问题既有经典理论PPO、GAE也有最新进展GRPO、DSPO还有工程细节PagedAttention、LoRA初始化。能完整答下来确实需要平时多看论文、多动手。如果你也在准备大模型算法岗希望这份复盘对你有帮助。欢迎转发给需要的朋友祝大家都能拿到心仪的offer最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
