面试问题记录（基础&RAG)

gz927cool

已于 2024-04-30 17:03:45 修改

阅读量195

点赞数 4

文章标签：面试 gpt 经验分享

于 2024-04-30 09:40:59 首次发布

本文链接：https://blog.csdn.net/gz927cool/article/details/138335394

版权

python 基础

深拷贝和浅拷贝的不同？
==和is的区别？
什么是装饰器？
解释闭包
python相较于C/C++等要慢很多，解释说明原因？

linux 基础

查看进程列表的指令？
如果对进程按名称筛选
如何查看历史指令？
是否熟悉vim? 说一下常用的vim指令

机器学习基础

叙述模型训练的过程
什么是梯度？梯度是对什么求梯度？
解释BatchNormlize、Layer Normalization，说明二者的区别
知道哪些激活函数？对sigmoid和relu进行说明
说一下对正则化项的理解
对encoder - decoder的理解
transformer架构中encoder 和decoder的attention有什么不同？

RAG

详细说明RAG系统的实现流程？
如何对RAG系统进行评估？
你的项目中提及同时使用GraphDB和VectorDB，说明二者是如何结合的
如何构建知识库？详细说明数据处理流程
只有文本没有问答对，如何启动？
合成数据可能存在偏差，无法覆盖实际情况，如何避免？
是否做过FAQ ，叙述如何一个FAQ系统的实现
多轮对话如何实现？

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

gz927cool

关注关注

4
点赞
踩
0

收藏

觉得还不错? 一键收藏
2
评论
面试问题记录（基础&RAG)

算法工程师面试记录20240330，包括python基础\linux基础\RAG工程三个方面
复制链接

扫一扫

RAG本地离线训练自己的ChatPDF

02-05

RAG训练用PDF样例（太平洋金诺人生保险条款）

大模型-大模型RAG应用基础认知视频

03-16

而在RAG中，首先对问题进行检索，找出与问题相关的文本片段，然后将这些片段的信息融合到生成模型中，使得模型能够利用额外的背景知识。 3. **工作流程**： - **检索阶段**：对输入问题执行全局检索，找到最相关的...

2 条评论您还未登录，请先登录后发表或查看评论

大模型 RAG 面试篇

fan_fan_feng的专栏

01-19

1697

大模型 RAG面试题 收集一

大模型面试（三）

m0_49134108的博客

07-09

357

正负样本不均匀的问题：实际场景，正样本远少于负样本，用了针对样本不平衡的loss比如dice loss，weighted ce等，然后多种loss采用加权和的方式进行融合（问题：有没有其他融合的方式呢？后来使用了HyQE的方法，针对一段文本，提出一个问题和它对应，以补充的问题来建立文档索引。主要是从网上爬取文本数据，然后给公开的审核接口先过一遍，然后训练过程中遇到的难样本，重新标注再训练。有两个困难，一个是RAG的优化，一开始RAG是比较慢的，而且召回率不高；大模型的应用主要是面向to C还是to b的？

什么是检索增强生成 (RAG)

一览无遗

01-08

1869

RAG，即检索增强生成，是一种将预训练的大型语言模型的功能与外部数据源相结合的技术。这种方法将 GPT-3 或 GPT-4 等 LLM 的生成能力与专用数据搜索机制的精确性相结合，从而形成一个可以提供细微响应的系统。本文更详细地探讨了检索增强生成，提供了一些实际示例和应用，以及一些资源来帮助您更多地了解 LLM。RAG 可以使用来自外部来源的内容来生成准确的摘要，从而节省大量时间。例如，经理和高级管理人员是忙碌的人，他们没有时间筛选大量报告。

大模型 RAG 遇到幻觉内容怎么办？

机器学习社区

06-12

834

节前，我们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、今年参加社招和校招面试的同学。针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。大模型用于文本生成对话表现不错，但是一旦应用到需要密集专业知识的场景中时，就没有办法准确回复。好像一个没来听课的学霸考生，不可能什么知识都背下来（知识注入型预训练成本太大），因此这种情况下一般依赖他室友（检索器）给他准备开卷考试资料。

精选30个大模型高频面试题

2201_75499313的博客

04-25

855

我精选30个大模型高频面试题，分享给大家。

面试问题记录（RAG方向）

gz927cool的博客

04-23

563

RAG方向面试问题记录

大模型面试题最全总结，没有一道是送分题。。。

2301_78285120的博客

03-19

1517

节前，我们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同学、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。今天分享大模型面试相关知识点，持续更新，希望对后续找工作的有所帮助。数据预处理->分块（这一步骤很关键，有时候也决定了模型的效果）->文本向量化->query向量化->向量检索->重排->query+检索内容输入LLM->输出克服遗忘问题提升回答的准确性、权威性、时效性。

大模型（LLMs）必知必答系列大全：从基础到进阶-训练微调测评推理部署、强化学习、RAG、思维链等原理以及应用（面试问题持续更新）

丨汀、的博客

03-26

1846

大模型（LLMs）必知必答系列大全：从基础到进阶-训练微调测评推理部署、强化学习、RAG、思维链等原理以及应用（面试问题持续更新）

TensorFlow相关组件的安装

AAI666666的博客

01-11

985

TensorFlow相关组件的安装

阿里大模型算法工程师面试，被问麻了。。。。

2201_75499313的博客

01-21

1446

在自我介绍环节，我清晰地阐述了个人基本信息、教育背景、工作经历和技能特长，展示了自信和沟通能力。很多题目非常强调实践，没有做过大模型的项目且没有针对性准备过，很难回答上。大模型微调是很多公司的考察重点。几种模型的注意力机制、位置编码要熟悉。4.RLHF的几步多熟悉熟悉。

07-25

结构之法算法之道

12-27

1万+

如之前的文章所述，我司下半年成立大模型项目团队之后，我兼管整个项目团队，但为让项目的推进效率更高，故分成了三大项目组对于知识库问答，现在有两种方案，一种基于llamaindex，一种基于langchain +LLM，考虑到我已在此文《基于LangChain+LLM的本地知识库问答：从企业单文档问答到批量文档问答》中详细介绍了langchain、以及langchain-ChatGLM项目的源码剖析，本文重点则阐述如何通过基于langchain-chatchat二次开发一个知识库问答系统，包括其商用时的典型问题

大模型LLM相关面试题整理

weixin_36378508的博客

10-20

3481

LLM（Large Language Model，大型语言模型）是指基于大规模数据和参数量的语言模型。具体的架构可以有多种选择，以下是一种常见的大模型LLM的架构介绍：Transformer架构：大模型LLM常使用Transformer架构，它是一种基于自注意力机制的序列模型。Transformer架构由多个编码器层和解码器层组成，每个层都包含多头自注意力机制和前馈神经网络。这种架构可以捕捉长距离的依赖关系和语言结构，适用于处理大规模语言数据。

我总结了 100 道 NLP（含大模型）高频面试题！

2301_78285120的博客

05-20

2138

节前，我们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、今年参加社招和校招面试的同学。针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。大家好，今天我总结了 100 道 NLP 高频面试题，分享给大家。

Spring面试题一

m0_74249133的博客

08-18

729

Bean 代表被IOC容器管理的对象。我们通过配置文件或注解，告诉IOC容器帮助我们管理哪些对象。

milvus RAG

06-19

抱歉，但关于"Milvus RAG"我没有找到相关的信息。Milvus是一款由阿里巴巴开源的高性能向量数据库，主要用于密集向量（如图像和文本）的存储和检索。RAG（Retrieval-Augmented Generation）通常是指一种结合了信息...