一份 LLM 面试题清单，覆盖从 Tokenization 到 MoE

techNmak · x · 2026-08-04

一份 LLM 面试题清单，覆盖从 Tokenization 到 MoE

这份名为 “Top 50 Large Language Model (LLM) Interview Questions” 的资料，面向准备 AI/LLM 面试的人，系统整理了 50 个高频主题。配图里能看到它主要覆盖：

• 基础概念：tokenization、attention、上下文窗口、embeddings、位置编码
• 微调与效率：LoRA、QLoRA、PEFT、模型蒸馏
• 生成与解码：beam search、greedy decoding、temperature、top-k、top-p
• 进阶主题：RAG、Chain-of-Thought、MoE、知识图谱
• 数学与理论：softmax、交叉熵、KL divergence、embedding 梯度、梯度消失

整体来看，这是一份偏实用的 LLM 学习/面试复习材料，信息量较完整。

原文链接 →

「研究」频道最新

• 三星提出 PROGRESS 框架：用覆盖引导强化学习优化 RAG 智能体 — _reachsumit · 2026-08-04
• 研究揭示 RAG 智能体致命缺陷：常跳过阅读证据直接作答 — _reachsumit · 2026-08-04
• 简析 Kimi K3 的 MoE 与注意力机制架构 — hsu_byron · 2026-08-04
• arXiv 数学论文月度上传量激增，逼近 5000 篇 — wandedob · 2026-08-04
• Search-GRT 用真值文档训练搜索智能体，提升多跳问答 — _reachsumit · 2026-08-04
• HindSearch:利用黄金答案事后复盘,增强搜索智能体训练 — _reachsumit · 2026-08-04

更多「研究」频道 AI 资讯 →