简历要点（文末附简历模板哦～

常见的业务题架构理解篇Q1 Transformer模型主要由哪两部分组成？Q2 自注意力机制中的Q、K、V矩阵是什么缩写？Q3 多头注意力中"头"（head）指的是什么？Q4 位置编码的作用是什么？Q5 Encoder和Decoder结构的主要区别？Q6 为什么要使用残差连接（Residual Connection）？基础组件篇Q7 前馈神经网络（FFN）有多少层？Q8 Layer Normalization放在哪个位置？Q9 激活函数ReLU和GeLU的主要区别？Q10 词嵌入（Word Embedding）的维度代表什么？Q11 注意力掩码（Attention Mask）的作用是什么？Q12 为什么要使用dropout技术？训练基础篇Q13 预训练（Pre-training）的目标是什么？Q14 什么是语言模型中的"自回归生成"？Q15 数据并行的基本实现方式？Q16 什么是训练中的批量大小（Batch Size）？Q17 学习率（Learning Rate）过大会导致什么问题？Q18 训练损失（Training Loss）下降说明什么？模型应用篇Q19 什么是文本生成中的贪心解码（Greedy Decoding）？Q20 温度参数（Temperature）如何影响生成结果？Q21 模型推理时为什么要限制生成长度？基础概念篇Q25 参数量（Parameters）和计算量（FLOPs）的区别？Q26 什么是生成式AI（Generative AI）？Q27 预训练模型和传统NLP模型的核心区别？Q28 为什么大模型需要海量训练数据？Q29 什么是过拟合（Overfitting）现象？Q30 模型推理（Inference）是指什么过程？工程实践篇Q31 GPU显存不足时常见的解决方法？Q32 模型权重文件（Checkpoint）包含哪些内容？评估基础篇Q37 如何评估语言模型的生成质量？Q38 困惑度（Perplexity）指标的计算原理？