03-19 12:20 门头沟学院 Java
关注
字节大模型Agent算法面经
被横向挂了，希望发出来对大家有帮助！
1. 请介绍 Transformer 的结构组成及各部分作用
2. 如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？
3. LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？
4. KV Cache 是什么？为什么能极大地提升推理速度？
5. RAG 完整流程，构建向量检索库时如何处理时间衰减对召回的影响？
6. 微调时的训练数据是怎么构建的？如何保证样本多样性和质量？
7. 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？如何保证实时性？
8. 训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？
9. 在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？
10. 大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？
1. 请介绍 Transformer 的结构组成及各部分作用
2. 如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？
3. LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？
4. KV Cache 是什么？为什么能极大地提升推理速度？
5. RAG 完整流程，构建向量检索库时如何处理时间衰减对召回的影响？
6. 微调时的训练数据是怎么构建的？如何保证样本多样性和质量？
7. 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？如何保证实时性？
8. 训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？
9. 在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？
10. 大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？
全部评论
蓝原椿的围巾
上海财经大学 C++
有手撕么
想吃烤肉的无尾熊起床了
东南大学 算法工程师
耐挂王
相关推荐
，这个太难绷了，这还考鸡毛，直接复制题目发给cursor
查看12道真题和解析