八股原理 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?11. 如果在 GPU 资源有限的条件下同时提供推理和微调服务,如何做资源分配和任务调度以保证时延和吞吐?代码题12. LeetCode 15 三数之和