LLM & RAG 综合题库

共 96 题 · 子专题 0 个。点击标题直接阅读。

题目列表

• 1-大模型（LLMs）基础面
• 10-LLMs 训练经验帖
• 11-大模型（LLMs）langchain 面
• 12-多轮对话中让AI保持长期记忆的8种优化方式篇
• 13-基于langchain RAG问答应用实战
• 14-基于LLM+向量库的文档对话 经验面
• 15-大模型 RAG 经验面 Copy
• 16-LLM文档对话 —— pdf解析关键问题
• 17-大模型（LLMs）RAG 版面分析——表格识别方法篇
• 18-大模型（LLMs）RAG 版面分析——文本分块面
• 19-大模型外挂知识库优化——如何利用大模型辅助召回？
• 2-Layer normalization 篇
• 20-大模型外挂知识库优化——负样本样本挖掘篇
• 21-RAG（Retrieval-Augmented Generation）评测面
• 22-检索增强生成(RAG) 优化策略篇 Copy
• 23-大模型（LLMs）RAG —— 关键痛点及对应解决方案
• 24-大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇
• 25-Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略
• 26-大模型（LLMs）参数高效微调(PEFT) 面
• 27-适配器微调（Adapter-tuning）篇
• 28-提示学习（Prompting）篇
• 29-LoRA 系列篇
• 3-LLMs 激活函数篇
• 30-如何使用 PEFT库 中 LoRA？
• 31-大模型（LLMs）推理面
• 32-大模型（LLMs）增量预训练篇
• 33-增量预训练（Pretrain）样本拼接篇
• 34-基于lora的llama2二次预训练
• 35-大模型（LLMs）评测面
• 36-大模型（LLMs）强化学习面
• 37-大模型（LLMs）强化学习——RLHF及其变种面
• 38-大模型（LLMs）强化学习—— PPO 面
• 39-强化学习在自然语言处理下的应用篇
• 4-Attention 升级面
• 40-大模型（LLMs）训练集面
• 41-大模型（LLMs）LLM生成SFT数据方法面
• 42-大模型（LLMs）显存问题面
• 43-显存优化策略篇
• 44-大模型（LLMs）分布式训练面
• 45-图解分布式训练（一） —— 流水线并行（Pipeline Parallelism）
• 46-图解分布式训练（二） —— nn.DataParallel篇
• 47-图解分布式训练（三） —— nn.parallel.DistributedDataParallel
• 48-图解分布式训练（四） —— torch.multiprocessing 详细解析
• 49-图解分布式训练（五） —— AMP混合精度训练 详细解析
• 5-transformers 操作篇
• 50-图解分布式训练（六）—— Pytorch的 DeepSpeed 详细解析
• 51-图解分布式训练（七）—— accelerate 分布式训练 详细解析
• 52-图解分布式训练（八）—— ZeRO 学习
• 53-大模型分布式训练故障恢复篇
• 54-pytorch 分布式计算 坑-bug 梳理篇
• 55-大模型（LLMs）agent面
• 56-LLMs 位置编码篇
• 57-LLMs Tokenizer 篇
• 58-怎么让英文大语言模型支持中文？（一） —— 构建中文tokenization
• 59-怎么让英文大语言模型支持中文？（二） —— 继续预训练篇
• 6-LLMs 损失函数篇
• 60-怎么让英文大语言模型支持中文？（三） —— 对预训练模型进行指令微调
• 61-大模型（LLMs）加速篇
• 62-LLMs 推理性能面
• 63-LLM（大语言模型）部署加速方法——PagedAttention篇
• 64-大模型推理加速工具 —— vLLM
• 65-LLM（大语言模型）部署加速方法——Faster Transformer篇
• 66-纯Python超轻量高性能LLM推理框架 —— LightLLM
• 67-LLM推理技术之StreamingLLM：如何拥有无限长生成能力
• 68-SwiftInfer —— 大模型无限流式输入推理飙升46_，打破多轮对话长度限制
• 69-大模型幻觉（LLM Hallucination）面
• 7-相似度函数篇
• 70-大模型的幻觉问题篇
• 71-如何缓解大模型幻觉？
• 72-LLMs 对比篇
• 73-百川智能baichuan7B、13B、53B、baichuan2 总结篇
• 74-LLaMA 常见面试题篇 Copy
• 75-GPT 经验篇
• 76-思维链 Chain-of-Thought（COT）
• 77-思维链 Chain-of-Thought（COT）变体篇
• 78-小样本提示学习篇
• 79-LLMs 测试集 中 数据泄露 问题篇
• 8-大模型（LLMs）进阶面
• 80-MOE（Mixture-of-Experts）篇
• 81-大模型蒸馏篇
• 82-LLMs 浮点数篇
• 83-自定义 CUDA 函数的轻量级包装器 —— bitsandbytes篇
• 84-大模型（LLMs）软硬件配置面
• 85-Token及模型参数准备篇
• 86-多模态常见面试篇
• 87-NLP Trick 篇
• 88-文本分类常见面试篇
• 89-文本摘要常见面试篇
• 9-大模型（LLMs）微调面
• 90-命名实体识别常见面试篇
• 91-向量检索常见面试篇 Copy
• 92-LLMs 其他 Trick
• 93-向量检索、检索增强生成（RAG）、大语言模型及相关系统架构——典型面
• 94-“幻觉”问题根本无解！为什么我们的大模型会“说胡话”？
• 95-一文读懂Transformer【超详细】【原理篇&实战篇】 - 飞书云文档 (1)
• 95-一文读懂Transformer【超详细】【原理篇&实战篇】 - 飞书云文档

---