腾讯混元大模型算法一面

1.能否解释Transformer使用多头注意力机制的动机？
2.如果只使用单头注意力，可能会在哪些方面受限？
3.请谈谈Transformer是如何实现并行化计算的。在计算注意力得分时，为什么通常要对点积结果进行缩放（即除以根号dk）？
4.在推荐系统的模型适配中，对比LoRA与全参数微调，它们各自更适合什么样的场景？
5.有什么优势和代价？在推荐系统中引入RAG（检索增强生成）主要是为了解决哪些问题？
6.通常如何构建与更新其背后的知识库？
7.在RAG实践中，选择BGE作为嵌入模型主要出于哪些考量？后续的向量检索索引（如FAISS）是如何构建和优化的？
8.对于RAG中的文档，通常采用哪些策略进行分块（chunk）？
9.如何平衡块的大小与信息完整性？GraphRAG适用于解决哪些传统RAG难以处理的问题场景？
10.你的项目中利用LangGraph来编排多工具调用链路。与纯Prompt工程方法相比，这种框架带来了哪些核心优势？
11.当输入的文本长度超出模型的上下文窗口时，目前有哪些主流的处理方案或模型架构来应对？