一道快手的大模型面试题，差点挂掉...

这篇文章，我们来看一道快手的大模型面试真题：transformer 编码和 llama 有啥区别。

这道题很多同学回答不好，把三角函数编码和 RoPE 单拎出来，都能说出一些来，但更进一步，还没有人回答的特别深入。尤其是问与 RoPE 有没有什么联系，绝大多数同学都觉得没啥关系。

01

面试官心理分析

这道题有考察点有几个：

• 首先是看你知不知道 LLaMA 的位置编码用的是什么？这个如果不知道，后面就不用讲（编）下去了。

• 第二个考察点是线性代数的一些基本功，包括旋转矩阵，线性变换，还有三角函数的性质。

• 最后一点是能从本质出发，分析三角函数编码和 RoPE 的区别和联系。

02

面试题解析

Transformer 采用的是绝对位置编码，叫三角函数编码，LLaMA 采用了旋转位置编码（RoPE）。

其中三角位置编码函数如下：

从原论文我们可以看到这样一句描述：

通过论文的解释我们可以了解到，从本质上，这个函数其实是相对位置 k 的一个线性变换，所以可以改写成这样的形式：

这个特性就让 Transformer 模型能够捕获到相对位置关系。

那论文中讲到的这个线性变换到底是什么呢？

深入分析一下，三角函数位置编码的物理意义可以把每个维度拆开来看，三角函数编码就像是一个时钟，时钟有时，分，秒三个维度，只不过它这里是 D/2 个维度。

假设处于 t 位置的编码为 PE(t)，则 PE(t+k) 就是在 PE(t) 在每个维度上顺时针旋转，每个维度的旋转角度大小是 k*theta。

那论文中提到相对位置 k 的线性变换，正是这里的顺时针旋转变换。

那三角函数位置编码和旋转位置编码有什么关系呢？回想线性代数的知识，顺时针旋转矩阵可以表示为：

那 RoPE 就巧妙的对每个维度两两分组，构造出 pair 对之间的相对位置关系：

对于所有 pair 来说，上面这个矩阵就完美的表达了 PE(t+k) 是相对于 PE(t) 按一定角度的顺时针旋转。

所以对于每一维就是利用的三角函数编码的组合，这一点跟绝对位置编码没有区别。

最后，RoPE 还把这个顺时针旋转计算利用复数变换和共轭的思想合并到 self-attention 的计算中。

对于 token 中的每个词向量，首先计算其对应的 query 和 key 向量，然后对每个 token 位置计算对应的旋转位置编码。

接着对每个 token 位置的 query 和 key 向量的元素按照两两一组应用旋转变换，最后再计算 query 和 key 之间的内积得到 self-attention 的计算结果。

03

总结

最后总结一下，所谓 RoPE，就是在 Attention 模块让模型感知到相对位置，但是它不改变 Attention 的结构，反而像绝对位置编码一样，在输入层做文章，对输入向量做改造。

改造后 Attention 模块能够重新感知到相对位置，同样能把位置信息弥补回来，因此 RoPE 可以说是使用绝对位置编码的方式实现了相对位置编码，是两者的融合。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉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

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）