面试题库模块

本模块收集AI/LLM岗位的高频面试题。

目录结构

8-面试题库/
├── README.md                # 本文件
├── 深度学习/
│   ├── Transformer.md
│   ├── 优化器.md
│   ├── 正则化.md
│   └── 模型设计.md
├── LLM/
│   ├── Attention优化.md
│   ├── 训练技术.md
│   ├── RAG.md
│   └── Agent.md
├── 系统设计/
│   ├── 训练系统.md
│   └── 推理系统.md
└── 手撕代码/
    ├── Attention.md
    ├── 反向传播.md
    └── 常用算法.md

---

面试题分类

第一梯队（必问）

1. Transformer架构 + Self-Attention
2. BP反向传播
3. BatchNorm / LayerNorm
4. Adam优化器
5. Attention计算过程

第二梯队（高频）

6. Dropout原理
7. 残差连接作用
8. 激活函数对比
9. 学习率调度
10. 初始化方法

第三梯队（岗位相关）

11. RLHF/DPO原理
12. LoRA微调
13. RAG流程
14. Agent工作流
15. CUDA/推理优化

---

面试评分标准

答案质量:
⭐⭐⭐⭐⭐ 满分：原理清晰 + 公式推导 + 代码实现 + 工程经验
⭐⭐⭐⭐   良好：原理正确 + 能推导公式
⭐⭐⭐     及格：知道是什么，但原理模糊
⭐⭐       不及格：只知道名词

---

回答技巧

1. 原理类问题

公式 → 物理意义 → 为什么这样做 → 有什么优缺点

2. 对比类问题

先说相同点 → 再逐条对比不同点 → 各自适用场景

3. 经验类问题

项目背景 → 我的角色 → 具体做法 → 最终成果

---

高频手撕代码

# 必须能手写：
1. Multi-Head Attention
2. ResNet Block
3. BatchNorm
4. Dropout
5. LSTM forward

---

面试准备建议：每道题都要能讲3分钟以上