京东实习 大模型算法一面分享

攒攒人品！有面试过同岗的朋友欢迎评论区交流
1. LoRA 微调原理：微调哪些层？常用训练参数设置：epoch、learning_rate 等。
2. RAG 切片实现方法：如何设计和优化切片过程？
3. 微调中的常见问题与解决方案：面试官特别关注实际踩过的坑和解决思路。
4. Embedding 召回优化策略：如何提高召回效果和模型效率？
5. 复读问题分析：原生模型复读不严重，微调后却复读明显，原因何在？感觉最近的模型不咋重复啊。
6. 领域知识注入：LoRA 微调能否有效注入领域知识？效果如何？
7. 大模型幻觉（Hallucination）解决方案：如何缓解模型幻觉问题，稳定输出？
8. 优化器考点：Loss 除以 10 和学习率除以 10 有什么区别？
9. Self-Attention 的线性变换 (QKV)：为什么要做 QKV 线性变换？起初真懵了，为什么，你说为什么？
10. 机器学习懂么？
11. Self-Attention 中的 Softmax：为什么需要 Softmax？
算法题挑战
题目： 给定两个字符串，比如 s1=acdk, s2=ckad，每次可以将 s1 中任意一个字母移到末尾，问最少移动次数使得 s1=s2。如果无法匹配，返回 -1。