km1994/nlp_paper_study

Public

该仓库主要记录 NLP 算法工程师相关的顶会论文研读笔记

  • Stars4k+2 tuần này
  • Forks637
  • Watchers67
  • Issues0
  • Ngày tạo18/05/2019
  • Cập nhật gần nhất11/10/2026
  • Ngôn ngữC++
  • Giấy phép—
README.md310.9 KBRaw

大模型面试宝典

AIGC / 大模型 / AI Agent 算法岗 · 800+ 高频面试考点

RAG 160 · Agent 100 · RL 后训练 120 · Hermes Agent 100 · GraphRAG 100 · Loop Engineering 100 · 目标检测 100 · 经典专题 30+

Stars Forks Last Commit 考点 PRs Welcome


这是什么

一份中文编写、按考点组织、持续更新的大模型算法岗面试题库。

和"把别人的面经搬过来"不同,这里的每道题都按同一套结构写:先给一句话答案,再拆为什么,最后给面试官会追问什么。题目不考背诵,考的是你能不能把权衡讲清楚。

举个真题:长上下文模型(Gemini 1.5 Pro 1M token)能取代 RAG 吗? 面试官不想听"能"或"不能"。他想听你从 成本、时效、可溯源 三个维度拆开讲——拆得出维度,就是高分。

大模型面试宝典:RAG 真题与答题拆解示例

这份题库的不同之处

常见面经仓库 本仓库
组织方式 按文章 / 按公司 按考点,每题带难度 ⭐ ⭐⭐ ⭐⭐⭐
答案形态 大段概念复述 一句话答案 + 深度拆解 + 避坑指南
题目取向 名词解释、背诵题 "为什么""怎么权衡""怎么落地"
技术时效 停更在某个时间点 跟到 2026 年的真高频:Harness Engineering、Loop Engineering、GraphRAG、MCP
参与方式 只能看 Issue 提新题 / PR 修答案,每条都看

适合谁

  • 🎯 正在准备 大模型算法岗、AI Agent 岗 面试的同学(校招 / 社招 / 转岗都适用)
  • 🔄 从 CV、NLP、后端 转 AIGC 的工程师——先补主干,再看方向
  • 🧑‍💼 需要出题的 面试官——题目已按难度分层,可直接取用
  • 📚 想系统梳理一遍大模型知识图谱的人

🗂️ 目录导航

模块 题量 已完成内容 直达
大模型 RAG 160 40 题逐题详解 进入 →
大模型 Agent 100 24 题逐题详解 进入 →
强化学习后训练(RLHF / PPO / DPO / GRPO) 120 40 题逐题详解 + 作答要点 进入 →
Hermes Agent 专题 100 22 题逐题详解 + 作答要点 进入 →
Loop Engineering 100 100 题作答要点 进入 →
知识图谱 GraphRAG 100 100 题作答要点 进入 →
目标检测与机器视觉 100 100 题作答要点 进入 →
经典专题(30+) 数百考点 专题题单 + 逐专题答案入口 进入 →
经典专题包含哪些方向?(点击展开)

大模型基础面 · 进阶面 · 微调 · LangChain · RAG · PEFT · 推理 · 增量预训练 · 评测 · 强化学习 · 训练集 · 显存优化 · 分布式训练 · Agent · 位置编码 · Tokenizer · 推理加速 · 幻觉 · 模型对比 · CoT · 数据泄露 · MoE · 蒸馏 · 软硬件配置 · Token 与参数 · 多模态 · NLP · KV Cache · 角色扮演 · Chat o1 · DeepSeek-R1 · 推理大模型 · Kimi 1.5 · MCP · 上下文工程 · Qwen3

每个专题都配了对应的答案目录,点进专题里的"点击查看答案"即可。

已开源的逐题详解,直接看这里(126 题)
详解文件 覆盖
RAG 基础篇 15 题 概念、Pipeline、Embedding、检索、幻觉
RAG 分块策略 15 题 固定/递归/语义/延迟分块、代码与表格处理
RAG Embedding 10 题 模型选型、维度、微调、ColBERT、SPLADE
Agent 基础篇 24 题 Agent 概念、ReAct、工具调用、记忆系统
RL 后训练基础 RLHF 全流程、奖励模型、KL 约束
PPO 深度解析 4 模型结构、优势函数、公式手推
DPO 深度解析 DPO 与 PPO 的取舍、损失函数推导
Harness Engineering 基础 Agent = Model + Harness、路由/记忆/权限
Harness 自进化核心 技能自动生成、Nudge Engine、学习闭环

🚀 怎么刷效率最高

第一步:先扫 ⭐ 题,建立主干。 从 RAG 核心概念 和 Agent 基础 入手,每天 20 题,两周过一遍。这一步只求"见过",不求背熟。

第二步:练"讲",别练"看"。 对着 ⭐⭐ 高频题,合上屏幕自己讲一分钟,再对照答案查漏。面试考的是表达,不是记忆力。

第三步:用 ⭐⭐⭐ 场景题做模拟面试。

Nội dung README thuộc về km1994 và cộng đồng đóng góp, giấy phép Không có giấy phép. Nguồn: github.com/km1994/nlp_paper_study