大模型100問:面試通關,沖刺百萬年薪
沈煒,王焱
- 出版商: 電子工業
- 出版日期: 2026-09-01
- 售價: $299
- 貴賓價: 9.5 折 $284
- 語言: 簡體中文
- 頁數: 187
- ISBN: 7121535106
- ISBN-13: 9787121535109
-
相關分類:
Large language model
立即出貨 (庫存=1)
買這商品的人也買了...
-
嵌入式 Linux 應用開發完全手冊$539$512 -
鳥哥的 Linux 基礎學習訓練教材$480$379 -
UML 物件導向系統分析與設計, 4/e$560$436 -
機器學習開發神器!Google Cloud Platform 雲端開發應用超入門$490$416 -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法,掌握制勝的關鍵技術$1,000$850 -
超圖解 ESP32 深度實作$880$748 -
$601嵌入式 C語言自我修養 — 從芯片、編譯器到操作系統 -
$861原子嵌入式 Linux 驅動開發詳解 -
$504穿越作業系統迷霧:從零實現作業系統 -
$478GPT 圖解 : 大模型是怎樣構建的 -
$555高效能並行運行時系統:設計與實現 -
$356通信系統實戰筆記 無處不在的信號處理 -
LLM 核心攻略制霸生成式 AI:ChatGPT、嵌入技術、微調與多模態 AI 最佳實踐$680$510 -
構建RAG系統:原理、架構與工程實踐$408$387 -
深入理解數字信號處理:重點·難點·釋疑$414$393 -
遊戲場景設計 即夢AI+Stable Diffusion$594$564 -
$418開源大模型全鏈路訓練實踐:預訓練、後訓練與數據工程 -
零基礎玩轉 AI Skills 從入門到精通$414$393 -
不只會用 Agent - LangGraph 自己動手設計代理人$980$774 -
現代 AI 全景聖經:多模態生成 × Agentic AI,從 LLM 演化到 AI 工程實戰$1,280$1,011 -
AI 時代的終端機入門:非工程師也能學會的 CLI、指令與 AI 工具實戰$720$568 -
最重要的 20個 AI Agent 實戰案例精彩直播$880$695 -
Deep Agents 實戰:用 LangChain 自建能連續工作的 AI Agent$1,280$1,011 -
容器底層原理運作 - containerd 剖析實戰精要 (好評熱銷版)$800$632 -
Google Gemini 全能工作流:Deep Research × Gemini Notebook × Veo × Spark 打造一人 AI 高效團隊$500$395
相關主題
商品描述
本書共收錄了大模型面試中的119道高頻問題。全書分為6章,其中的面試問題分別涉及:大模型的基礎知識,包括模型推理、訓練數據、上下文學習、MoE模型等;大模型預訓練相關知識,包括預訓練數據、訓練策略與基準測試等;大模型監督微調方法與實踐,包括微調數據、微調訓練等;基於人類反饋的強化學習的算法與訓練優化方法,包括DPO、PPO、強化學習、獎勵模型等;大模型長文本處理技術,包括位置編碼與長上下文能力優化等;多模態大模型的架構設計及其對齊方法等。
本書適合正在準備大模型相關崗位面試的算法工程師、研究員或相關專業學生閱讀,用於系統備考、查漏補缺。無論是求職沖刺,還是技術體系梳理,本書都是實用的參考資料。
作者簡介
沈煒,曾在字節跳動Seed團隊、文心一言擔任算法研究員,主要研究方向為大模型後訓練、NL2Code和離線強化學習等。曾獲ICDM Best Student Paper Runner-up、DataCastle Master Award等獎項,曾參與OpenRLHF、Reinforce++等開源項目,知乎“百面LLM”專欄作者。曾在NIPS、ICML和ICLR等CCF-A類會議上以一作或共同一作的身份發表多篇大模型主題的高質量論文。
王焱,大模型領域頭部知識博主,現為初創公司CTO。從零開始做過預訓練,從零開始搭建過日活躍用戶數為千萬的推薦系統。在大模型後訓練方面具有豐富的清洗與標註經驗,所訓練的模型每天有億級調用量。
目錄大綱
第1章 大模型基礎知識 1
1.1 模型推理相關問題 1
1.2 訓練數據相關問題 28
1.3 上下文學習相關問題 29
1.4 其他問題 37
1.5 MoE模型相關問題 55
第2章 預訓練知識 65
2.1 預訓練數據相關問題 65
2.2 預訓練的訓練策略相關問題 70
2.3 預訓練基準測試相關問題 74
第3章 監督微調知識 77
3.1 微調數據相關問題 77
3.2 微調訓練相關問題 91
3.3 其他問題 96
第4章 RLHF知識 98
4.1 DPO相關問題 98
4.2 PPO相關問題 105
4.3 強化學習相關問題 117
4.4 獎勵模型相關問題 149
第5章 長文本知識 157
5.1 位置編碼問題 157
5.2 長文本能力優化相關問題 176
第6章 多模態知識 178
6.1 多模態大模型相關問題 178
6.2 多模態對齊相關問題 183
