【AI面试】DeepSeek 高频面题全面整理（★面试必备版★）

 NLP Github 项目：

• 【AI 藏经阁】：该仓库主要分享了数百本 AI 领域电子书

• 【AI 算法面经】：该仓库一网打尽互联网大厂NLP算法面经，算法求职必备神器

• 【NLP 剑指Offer】：该仓库汇总了 NLP 算法工程师高频面题

---

大模型（LLMs）高频面题全面整理（含DeepSeek）

​全面总结了【大模型面试】的高频面题和答案解析，答案尽量保证通俗易懂且有一定深度。

适合大模型初学者和正在准备面试的小伙伴。

这是我自己跳槽时的私用手册，希望也能帮助你快速完成面试准备，先人一步顺利拿到高薪 Offer 🎉🎉🎉

一、大模型进阶面

💯 DeepSeek篇

【大模型进阶面 之 DeepSeek篇】 你必须要会的高频面题 查看答案

• 一、概念篇

  • Deepseek-V3的主要特点有哪些？

  • DeepSeek-V3在推理速度方面表现出色的原因有哪些？

• 二、模型结构篇
  • MLA

    • 什么是多头潜在注意力（MLA）？

    • MLA的计算流程是什么样的？

    • 训练时MLA需要配置哪些超参？

    • MLA相对于MHA有哪些改进？

  • MoE

    • 什么是MoE？

    • DeepSeekMoE包含哪两种专家类型？

    • Share 专家和Router 专家的作用是什么？

    • 讲一下DeepSeekMoE的计算流程？

    • DeepSeekMoE是如何实现负载均衡的？

  • MTP

    • 什么是Multi-Token Prediction（MTP）？

    • Multi-Token Prediction（MTP）有何作用？

    • 讲一下Multi-Token Prediction（MTP）的预测流程？

• 三、预训练篇

  • Prefix-Suffix-Middle (PSM)数据格式是什么样的？

  • DeepSeek预训练数据为何使用Prefix-Suffix-Middle (PSM)格式？

  • 介绍一下Byte-level BPE？

  • DeepSeek是如何进行长上下文扩展的？

  • DeepSeek的使用YaRN进行长上下文扩展有哪两个阶段？

  • DeepSeek预训练追求极致的训练效率的做法有哪些？

  • 批量级负载均衡（Batch-Wise Load Balance）和顺序级负载均衡（Sequence-Wise Load Balance）有何区别？

  • 使用MTP为何在提高计算效率的同时还能提升效果？

• **四、有监督微调篇

  • DeepSeek的SFT有哪几种数据？

  • DeepSeek是如何构造Reasoning Data数据的？

  • DeepSeek两种不同类型的SFT数据，区别是什么？

  • DeepSeek在SFT训练时是如何加速训练过程的？

• 五、强化学习篇

  • DeepSeek有哪两种奖励模型？

  • Rule-Based RM和Model-Based RM的区别是什么？

  • Rule-Based RM用在什么地方？有何作用？

  • Model-Based RM用在什么地方？有何作用？

  • DeepSeek是如何降低奖励欺诈风险的？

  • DeepSeek为何使用Group Relative Policy Optimization（GRPO）？

  • DeepSeek为何放弃Critic模型来估计状态的价值？

  • DeepSeek是如何进行Self-Rewarding的？

  • DeepSeek-V3从DeepSeek-R1中蒸馏知识有哪些影响？

点击查看答案

💯 大模型魔改篇

【大模型进阶面 之 模型魔改篇】 你必须要会的高频面题 查看答案

• 模型编辑（Model Editing）核心目标是什么？

• 对比重新预训练和微调，模型编辑的优势和适用场景是什么？

• 如何用模型编辑修正大语言模型中的知识错误？

• 如何量化评估模型编辑的五大性质？

• 模型编辑局部性如何避免“牵一发而动全身”的问题？

• 知识缓存法（如SERAC）的工作原理是什么？

• 附加参数法（如T-Patcher）如何在不改变原始模型架构的情况下实现编辑？

• 知识缓存法和附加参数法的优缺点有何优缺点？

• ROME方法如何通过因果跟踪实验定位知识存储位置？

• 元学习法（如MEND）如何实现“学习如何编辑”？

• 元学习法的双层优化框架如何设计？

• More ......

点击查看答案

💯 大模型压缩篇

【大模型进阶面 之 模型压缩篇】 你必须要会的高频面题 查看答案

• 💯 为什么需要对大模型进行压缩和加速？

• 💯 什么是低秩分解？

• 💯 什么是奇异值分解（SVD）？

• 💯 权值共享为什么有效？

• 💯 什么是模型量化？

• 💯 什么是混合精度分解？

• 💯 什么是基于反馈的知识蒸馏？

• 💯 什么是基于特征的知识蒸馏？

• 💯 模型蒸馏的损失函数是什么？

• 💯 描述一下剪枝的基本步骤？

• More ......

点击查看答案

💯 分布式训练篇

【大模型进阶面 之 分布式训练篇】 你必须要会的高频面题 查看答案

• PS架构和Ring-AllReduce架构有何不同？

• 什么是张量并行，如何使用集群计算超大矩阵？

• 讲一讲谷歌的GPipe算法？

• 讲一讲微软的PipeDream算法？

• ZeRO1、ZeRO2、ZeRO3分别做了哪些优化？

• 用DeepSpeed进行训练时主要配置哪些参数？

• More ......

点击查看答案

二、大模型微调面

💯 有监督微调（SFT）篇

【大模型微调面 之 SFT篇】 你必须要会的高频面题 查看答案

• 💯 从零训练一个大模型有哪几个核心步骤？

• 💯 为什么要对LLM做有监督微调（SFT）？

• 💯 如何将一个基础模型训练成一个行业模型？

• 💯 如何准备SFT阶段的训练数据？

• 💯 如何自动生成指令构建SFT的训练数据？

• 💯 LM做有监督微调（SFT）变傻了怎么办？

• 💯 有监督微调（SFT）和人工偏好对齐（RLHF）有何区别？

• More ......

点击查看答案

💯 高效微调篇

【大模型微调面 之 PEFT篇】 你必须要会的高频面题 查看答案

• 💯 全量微调与参数高效微调的区别是什么？

• 💯 什么是轻度微调？轻度微调有哪些常用方法？

• 💯 什么是BitFit微调？

• 💯 分层微调如何设置学习率？

• 💯 什么是适配器微调？适配器微调有哪些优势？

• 💯 讲一讲IA3微调？

• 💯 提示学习（Prompting） 代表方法有哪些？

• 💯 指令微调（Instruct-tuning） 和 提示学习（Prompting）的区别是什么？

• 💯 详细说明LoRA的工作原理及其优势？

• 💯 LoRA存在低秩瓶颈问题，ReLoRA和AdaLoRA分别通过哪些方法改进？

• 💯 动态秩分配（如AdaLoRA）如何根据层的重要性调整秩？

• More ......

点击查看答案

💯 提示学习篇

【大模型微调面 之 提示学习篇】 你必须要会的高频面题 查看答案

• 💯 提示学习（Prompting） 代表方法有哪些？

• 💯 前缀微调（Prefix-tining）的核心思想？

• 💯 提示微调（Prompt-tuning）的核心思想？

• 💯 P-tuning 的动机是什么？

• 💯 P-tuning v2 进行了哪些改进？

• 💯 提示微调（Prompt-tuning）与 Prefix-tuning 区别是什么？

• 💯 提示微调（Prompt-tuning）与 fine-tuning 区别是什么？

• More ......

点击查看答案

💯 人类对齐训练（RLHF）篇

【大模型微调面 之 RLHF篇】 你必须要会的高频面题 查看答案

• 💯 RLHF有哪几个核心流程？

• 💯 RLHF与SFT的本质区别是什么？为什么不能只用SFT？

• 💯 什么是人类偏好对齐中的"对齐税"(Alignment Tax)？如何缓解？

• 💯 在强化学习中，基于值函数的和基于策略的的优化方法有何区别？

• 💯 什么是近端策略优化（PPO）？

• 💯 RLHF中的PPO主要分哪些步骤？

• 💯 PPO中的重要性采样(Importance Sampling)如何修正策略差异？

• 💯 DPO如何通过隐式奖励建模规避强化学习阶段？

• 💯 DPO vs PPO：训练效率与性能上限的对比分析？

• 💯 RLHF训练数据的格式是什么样的？

• 💯 如何选择人类偏好对齐训练算法？

• More ......

点击查看答案

💯 Prompt 工程篇

【大模型微调面 之 提示工程篇】 你必须要会的高频面题 查看答案

• 💯 Prompt工程与传统微调的区别是什么？

• 💯 如何规范编写Prompt？

• 💯 上下文学习三种形式（零样本、单样本、少样本）的区别？

• 💯 如何通过预训练数据分布和模型规模优化上下文学习效果？

• 💯 思维链（CoT）的核心思想是什么？

• 💯 按部就班（如 Zero-Shot CoT、Auto-CoT）、三思后行（如 ToT、GoT）、集思广益（如 Self-Consistency）三种 CoT 模式有何异同？

• More ......

点击查看答案

三、大模型（LLMs）基础面

💯 大模型（LLMs）架构篇

【大模型基础面 之 LLM架构篇】 你必须要会的高频面题 查看答案

• 💯 LLM架构对Transformer都有哪些优化？

• 💯 什么是正弦（Sinusoidal）位置编码？

• 💯 什么是旋转位置编码（RoPE）？

• 💯 RoPE相对正弦位置编码有哪些优势？

• 💯 RoPE如何进行外推？

• 💯 如何进行位置线性内插（Position Interpolation）？

• 💯 NTK-Aware Scaled RoPE 和位置线性内插的区别是什么？

• 💯 PreNorm和PostNorm有何不同？

• 💯 为什么PreNorm通常能提升训练稳定性？

• 💯 为何使用 RMSNorm 代替 LayerNorm？

• 💯 LLM使用SwiGLU相对于ReLU有什么好处？

• 💯 SwiGLU的参数量是否会显著增加？如何优化？

• More ......

点击查看答案

💯 注意力机制（Attention）篇

【大模型基础面 之 注意力机制篇】 你必须要会的高频面题 查看答案

• 💯 为什么要引入 Attention 机制？

• 💯 Soft Attention 是什么？

• 💯 Hard Attention 是什么？

• 💯 Self-Attention 是什么？

• 💯 多查询注意力（Multi-Query Attention）是什么？

• 💯 分组查询注意力（Grouped Query Attention）是什么？

• 💯 分页注意力（Paged Attention）是什么？

• 💯 闪存注意力（Flash Attention）是什么？

• More ......

点击查看答案

💯 Transformer 理论篇

【大模型基础面 之 提示工程Transformer篇】 你必须要会的高频面题 查看答案

• 💯 Transformer 整体结构是怎么样的？

• 💯 Transformer的输入中为什么要添加位置编码？

• 💯 Transformer的位置编码是如何计算的？

• 💯 Position encoding为什么选择相加而不是拼接呢？

• 💯 多头注意力相对于单头注意力有什么优势？

• 💯 Transformer中自注意力模块的计算过程？ 

• 💯 什么是缩放点积注意力，为什么要除以根号d_k？

• 💯 批归一化和层归一化的区别？

• 💯 Layer Normalization 有哪几个可训练参数？

• 💯 Transformer 中有几种 Mask？

• More ......

点击查看答案

四、NLP 任务实战面

💯 文本分类篇

【NLP 任务实战面 之 文本分类篇】 你必须要会的高频面题 查看答案

• 如何用检索的方式做文本分类？

• 如何用Prompt的方式做文本分类？

• 使用LLM做文本分类任务为何需要做标签词映射（Verbalizer）？

• 文本分类任务中有哪些难点？

• 如何解决样本不均衡的问题？

• 如果类别会变化如何设计文本分类架构？

• More ......

点击查看答案

💯 命名实体识别（NER）篇

【NLP 任务实战面 之 实体识别篇】 你必须要会的高频面题 查看答案

• 实体识别中有哪些难点？

• CRF为什么比Softmax更适合NER？

• 如何使用指针标注方式做NER任务？

• 如何使用多头标注方式做NER任务？

• 如何使用片段排列方式做NER任务？

• 实体识别有哪些常用的解码方式？

• 如何解决实体嵌套问题？

• 实体识别的数据是如何进行标注的？

• 如何解决超长实体识别问题？

• More ......

点击查看答案

💯 关系抽取篇

【NLP 任务实战面 之 关系抽取篇】 你必须要会的高频面题 查看答案

• 常见关系抽取流程的步骤是怎样的？

• 如何抽取重叠关系和复杂关系？

• 介绍下基于共享参数的联合抽取方法？

• 介绍下基于联合解码的联合抽取方法？

• 关系抽取的端到端方法和流水线方法各有什么优缺点？

• 在进行跨句子甚至跨段落的关系抽取时，会遇到哪些特有的挑战？

点击查看答案

💯 检索增强生成（RAG）篇

【NLP 任务实战面 之 RAG篇】 你必须要会的高频面题 查看答案

• 用户问题总是召回不准确，在用户理解阶段可以做哪些优化？

• 文档问答中，如何构建索引，提升对用户问题的泛化能力？

• 如何合并多路检索的结果，对它们做排序？

• BM25检索器总是召回无关的知识，最可能的原因是什么？

• 如何构建重排序模型的微调数据？

• More ......

点击查看答案

五、NLP 基础面

💯 分词（Tokenizer）篇

【NLP 基础面 之 分词篇】 你必须要会的高频面题 查看答案

• 💯 如何处理超出词表的单词（OVV）？

• 💯 BPE 分词器是如何训练的？

• 💯 WordPiece 分词器是如何训练的？

• 💯 Unigram 分词器是如何训练的？

• More ......

点击查看答案

💯 词嵌入（Word2Vec）篇

【NLP 基础面 之 词嵌入篇】 你必须要会的高频面题 查看答案

• 基于计数的表示方法存在哪些问题？

• CBOW 和 Skip-gram 哪个模型的词嵌入更好？

• Word2Vec的词向量存在哪些问题？

• 为什么说Word2vec的词向量是静态的？

• Word2Vec如何优化从中间层到输出层的计算？

• 负采样方法的关键思想的关键思想是什么？

• More ......

点击查看答案

💯 卷积神经网络（CNN）篇

【NLP 基础面 之 CNN篇】 你必须要会的高频面题 查看答案

• 卷积核是否越大越好？

• 1×1 卷积的作用？

• 为何较大的batch size 能够提高 CNN 的泛化能力？

• 如何减少卷积层参数量？

• SAME 与 VALID 的区别？

• More ......

点击查看答案

💯 循环神经网络（RNN）篇

【NLP 基础面 之 RNN篇】 你必须要会的高频面题 查看答案

• RNN的输入输出分别是什么？

• RNN是如何进行参数学习（反向传播）的？

• 用RNN训练语言模型时如何计算损失？

• RNN不能很好学习长期依赖的原因是什么？

• 怎么解决RNN的梯度爆炸问题？

• More ......

点击查看答案

💯 长短期记忆网络（LSTM）篇

【NLP 基础面 之 LSTM篇】 你必须要会的高频面题 查看答案

• LSTM 如何缓解 RNN 梯度消失的问题?

• LSTM中记忆单元的作用是什么？

• LSTM有几个门，分别起什么作用？

• LSTM的前向计算如何进行加速？

• LSTM中的tanh和sigmoid分别用在什么地方？为什么？

• More ......

点击查看答案

💯 BERT 模型篇

【NLP 基础面 之 BERT模型篇】 你必须要会的高频面题 查看答案

• 为什么说BERT是双向的编码语言模型？

• BERT 是如何区分一词多义的？

• BERT的输入包含哪几种嵌入？

• BERT的三个Embedding直接相加会对语义有影响吗？

• BERT模型输入长度超过512如何解决？

• 什么是 80-10-10 规则,它解决了什么问题？

• BERT 嵌入与 Word2Vec 嵌入有何不同？

• More ......

点击查看答案

💯 BERT 变体篇

【NLP 基础面 之 BERT变体篇】 你必须要会的高频面题 查看答案

• ALBERT 使用的参数缩减技术是什么？

• RoBERTa 与 BERT 有什么不同？

• 在 ELECTRA 中，什么是替换标记检测任务？

• 如何在 SpanBERT 中掩盖标记？

• Transformer-XL 是怎么实现对长文本建模的？

• More ......

点击查看答案

💯 BERT 实战篇

【NLP 基础面 之 BERT实战篇】 你必须要会的高频面题 查看答案

• BERT为什么不适用于自然语言生成任务（NLG）？

• 在问答任务中，如何计算答案的起始索引和结束索引？

• 如何将 BERT 应用于命名实体识别任务？

• 如何进行继续预训练？

• Bert 未登录词如何处理？

• BERT在输入层如何引入额外特征？

• More ......

点击查看答案

六、深度学习面

💯 激活函数篇

【深度学习面 之 激活函数篇】 你必须要会的高频面题 查看答案

• 💯 为什么激活函数需要非线性函数？

• 💯 sigmoid 函数有什么缺点？

• 💯 tanh 函数作为激活函数有什么缺点？

• 💯 为什么选 relu 函数作为激活函数？

• 💯 为什么tanh收敛速度比sigmoid快？

• 💯 LLM使用SwiGLU相对于ReLU有什么好处？

• 💯 SwiGLU的参数量是否会显著增加？如何优化？

• More ......

点击查看答案

💯 优化器篇

【深度学习面 之 优化器篇】 你必须要会的高频面题 查看答案

• 💯 SGD是如何实现的？

• 💯 Momentum 是什么？

• 💯 Adagrad 是什么?

• 💯 RMSProp是什么？

• 💯 Adam 是什么?

• 💯 批量梯度下降（BGD）、随机梯度下降（SGD）与小批量随机梯度下降（Mini-Batch GD）的区别？

• More ......

点击查看答案

💯 正则化篇

【深度学习面 之 正则化篇】 你必须要会的高频面题 查看答案

• 💯 权重衰减的目的？

• 💯 L1 与 L2 的异同？

• 💯 为什么 L1 正则化 可以产生稀疏值，而 L2 不会？

• 💯 为什么Dropout可以解决过拟合问题？

• 💯 Dropout 在训练和测试阶段的区别是什么？

• 💯 如何选择合适的 Dropout 率？

• 💯 Dropout 和其他正则化方法（如 L1、L2 正则化）有何不同？

• More ......

点击查看答案

💯 归一化篇

【深度学习面 之 归一化篇】 你必须要会的高频面题 查看答案

• 💯 为什么归一化能提高求最优解速度？

• 💯 Batch Normalization 是什么？

• 💯 Layer Normalization 是什么？

• 💯 批归一化和组归一化的比较？

• 💯 批归一化和权重归一化的比较？

• 💯 批归一化和层归一化的比较？

• More ......

点击查看答案

💯 参数初始化篇

【深度学习面 之 参数初始化篇】 你必须要会的高频面题 查看答案

• 💯 什么是内部协变量偏移？

• 💯 为什么不能将所有神经网络参数初始化为0？

• 💯 什么是Xavier初始化？

• 💯 什么是He初始化？

• More ......

点击查看答案

💯 集成学习篇

【深度学习面 之 集成学习篇】 你必须要会的高频面题 查看答案

• 集成学习与传统单一模型相比有哪些本质区别？

• GBDT与 XGBoost 的核心差异是什么？

• 为什么XGBoost要引入二阶泰勒展开？对模型性能有何影响？

• Bagging的并行训练机制如何提升模型稳定性？

• 对比Bagging与Dropout在神经网络中的异同？

• Stacking中为什么要用K折预测生成元特征？

• 如何避免Stacking中信息泄露问题？

• 对比Boosting/Bagging/Stacking三大范式的核心差异（目标、训练方式、基学习器关系）？

• More ......

点击查看答案

💯 模型评估篇

【深度学习面 之 模型评估篇】 你必须要会的高频面题 查看答案

• 💯 混淆矩阵有何作用？

• 💯 什么是 F1-Score？

• 💯 什么是 Macro F1？

• 💯 什么是 Micro F1？

• 💯 什么是 Weight F1？

• 💯 Macro 和 Micro 有什么区别？

• 💯 ROC 曲线主要有什么作用？

• 💯 P-R 曲线有何作用？

• More ......

点击查看答案