太棒了！AIGC 算法工程师高频算法题最全汇总

节前，我们星球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朋友、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。

---

汇总合集：《大模型面试宝典》(2024版) 发布！

---

今天汇总一些 AIGC 算法工程师高频算法题，更多大厂面试题、参考答案，文末社群中获取，喜欢本文记得收藏、关注、点赞。

Stable difusion

• Stable Diffusion 原理，网络结构，是如何训练出来的,

• Stable Diffusion 的各个模块（CLIP，VAE，U-NET）的作用是？

• Stable Diffusion 和其他图像生成算法比较（VAE，GAN等）

• Stablediffusion 微调方法，掌握原理，使用场景，训练方式，各自的优势等，包括：Lora,DreamBooth,TextureInversion,

• ControlNet基本原理，如何训练，有哪些模型，各自特点。和Lora的差异，Shuffle实现方式

• DDPM，DDIM，DPM++等采样器的原理及优化,

• classifier guided和classifier-free guida,

• SDXL和SDV1~2相比主要做了哪些优化,

• Stablediffusion文生图，图生图，Inpaint技术原理

Transformer

• Transformer模型架构，encoder-decoder的设计
• self-attention原理，计算过程，为什么有用
• 对self-attention的改进
• Attention机制和传统的Seq2Seq模型有什么区别
• Transformer中的postitoonEncoding是什么，作用是什么
• 多头注意力机制，原理，手写代码、时间/空间复杂度及如何改进
• 为什么使用LayerNorm而不是BatchNorm
• Transformer的点积模型要scale的原因
• 相比于RNN/LSTM/CNN有什么优势
• 在图像领域，自然语言处理领域有什么应用

深度学习基础

• 神经网络的前向传播和反向传播，手推过程
• 常用的优化器的区别
• 常见的激活函数，优缺点
• 什么是过拟合和欠拟合，如何解决
• 梯度消失和梯度爆炸，如何解决
• 各种Norm的方法
• 监督学习，无监督学习
• 模型参数初始化的方法，如何影响训练

技术交流群

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了算法岗技术与面试交流群， 想要获取最新面试题、了解最新面试动态的、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2040。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。

方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：技术交流

面试精选

• 一文搞懂 Transformer

• 一文搞懂 Attention（注意力）机制

• 一文搞懂 Self-Attention 和 Multi-Head Attention

• 一文搞懂 BERT（基于Transformer的双向编码器）

• 一文搞懂 GPT（Generative Pre-trained Transformer）

• 一文搞懂 Embedding（嵌入）

• 一文搞懂 Encoder-Decoder（编码器-解码器）

• 一文搞懂大模型的 Prompt Engineering（提示工程）

• 一文搞懂 Fine-tuning（大模型微调）

• 一文搞懂 LangChain

• 一文搞懂 LangChain 的 Retrieval 模块

• 一文搞懂 LangChain 的智能体 Agents 模块

• 一文搞懂 LangChain 的链 Chains 模块