AI知识
AI大模型面试知识库，涵盖Transformer、LLM、RAG、Agent等核心知识点
共 21 篇文章
1
01 Transformer架构详解
Transformer 采用 **Encoder-Decoder** 结构，完全基于注意力机制，抛弃了传统的 RNN/CNN。
2
2025 2026技术趋势
最新技术动态和面试热点方向。
3
BERT系列详解
| 模型 | 年份 | 关键创新 |
4
DeepSeek系列详解
| 模型 | 年份 | 参数量 | 关键创新 |
5
GPT系列详解
| 模型 | 年份 | 参数量 | 关键创新 |
6
LLaMA系列详解
| 模型 | 年份 | 参数量 | 关键创新 |
7
Qwen系列详解
| 模型 | 年份 | 参数量 | 关键创新 |
8
多模态大模型详解
```python
9
长上下文技术详解
```python
10
01 参数高效微调
1. **计算成本高**: 全参数更新需要大量 GPU 内存
11
02 RLHF与对齐技术
**让 AI 的行为符合人类意图和价值观**
12
01 推理优化技术全景
| 挑战 | 描述 |
13
01 RAG架构详解
**RAG (Retrieval-Augmented Generation)**: 检索增强生成
14
01 Agent架构详解
```python
15
01 分布式训练详解
```python
16
02 手撕代码题精选
面试必考的编程题，含详细实现和注释。
17
03 系统设计题精选
大模型时代的系统设计面试题，涵盖 RAG、Agent、推荐系统等。
18
04 项目经验表达指南
面试中如何有效表达项目经验，展示技术深度。
19
README
全面覆盖 AI/LLM 面试核心知识点，包含八股文、技术深度和项目经验。
20
高频面试题精选
精选最常考的面试题，涵盖所有核心领域。
21
注意力机制详解
深入讲解注意力机制的原理、变体和优化