AiGC面试宝典-大模型面试题全套教程资源分享

📖 资源简介

今天分享一套《AiGC面试宝典-大模型面试题》的课程资源，内容挺系统的，适合想认真学习的同学。

之前自己摸索的时候踩过不少坑，后来发现跟着成套的教程学习效率会高很多。 这套资源我就是这么攒下来的，现在分享出来，希望能帮到同样在学习路上的朋友。

📚 课程内容

课程大纲

1. AiGC面试宝典-大模型面试题

资源清单

💡 学习建议

教程篇幅适中，可以集中一段时间攻克。建议边看边动手实践，光看不练容易忘。

学习过程中遇到问题很正常，多查官方文档、多在论坛搜索，大部分问题别人都遇到过。

📁 目录结构

目录概览

• 📂 AiGC面试宝典-大模型面试题

完整目录

📁 AiGC面试宝典-大模型面试题/
├── 📄 80-MOE（Mixture-of-Experts）篇.pdf
├── 📄 4-Attention 升级面.pdf
├── 📄 45-图解分布式训练（一） —— 流水线并行（Pipeline Parallelism）.pdf
├── 📄 16-LLM文档对话 —— pdf解析关键问题.pdf
├── 📄 29-LoRA 系列篇.pdf
├── 📄 42-大模型（LLMs）显存问题面.pdf
├── 📄 76-思维链 Chain-of-Thought（COT）.pdf
├── 📄 44-大模型（LLMs）分布式训练面.pdf
├── 📄 72-LLMs 对比篇.pdf
├── 📄 59-怎么让英文大语言模型支持中文？（二） —— 继续预训练篇.pdf
├── 📄 55-大模型（LLMs）agent 面.pdf
├── 📄 35-大模型（LLMs）评测面.pdf
├── 📄 31-大模型（LLMs）推理面.pdf
├── 📄 75-GPT 经验篇.pdf
├── 📄 49-图解分布式训练（五） —— AMP混合精度训练 详细解析.pdf
├── 📄 26-大模型（LLMs）参数高效微调(PEFT) 面.pdf
├── 📄 66-纯Python超轻量高性能LLM推理框架 —— LightLLM.pdf
├── 📄 56-LLMs 位置编码篇.pdf
├── 📄 34-基于lora的llama2二次预训练.pdf
├── 📄 10-LLMs 训练经验帖.pdf
├── 📄 7-相似度函数篇.pdf
├── 📄 20-大模型外挂知识库优化——负样本样本挖掘篇.pdf
├── 📄 6-LLMs 损失函数篇.pdf
├── 📄 86-多模态常见面试篇.pdf
├── 📄 50-图解分布式训练（六）—— Pytorch的 DeepSpeed 详细解析.pdf
├── 📄 69-大模型幻觉（LLM Hallucination）面.pdf
├── 📄 92-LLMs 其他 Trick.pdf
├── 📄 47-图解分布式训练（三） —— nn.parallel.DistributedDataParallel.pdf
├── 📄 37-大模型（LLMs）强化学习——RLHF及其变种面.pdf
├── 📄 28-提示学习（Prompting）篇.pdf
├── 📄 60-怎么让英文大语言模型支持中文？（三） —— 对预训练模型进行指令微调.pdf
├── 📄 77-思维链 Chain-of-Thought（COT）变体篇.pdf
├── 📄 3-LLMs 激活函数篇.pdf
├── 📄 32-大模型（LLMs）增量预训练篇.pdf
├── 📄 63-LLM（大语言模型）部署加速方法——PagedAttention篇.pdf
├── 📄 5-transformers 操作篇.pdf
├── 📄 67-LLM推理技术之StreamingLLM：如何拥有无限长生成能力.pdf
├── 📄 19-大模型外挂知识库优化——如何利用大模型辅助召回？.pdf
├── 📄 85-Token及模型参数准备篇.pdf
├── 📄 48-图解分布式训练（四） —— torch.multiprocessing 详细解析.pdf
├── 📄 25-Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略.pdf
├── 📄 main.py
├── 📄 14-基于LLM+向量库的文档对话 经验面.pdf
├── 📄 58-怎么让英文大语言模型支持中文？（一） —— 构建中文tokenization.pdf
├── 📄 21-RAG（Retrieval-Augmented Generation）评测面.pdf
├── 📄 53-大模型分布式训练故障恢复篇.pdf
├── 📄 18-大模型（LLMs）RAG 版面分析——文本分块面.pdf
├── 📄 2-Layer normalization 篇.pdf
├── 📄 30-如何使用 PEFT库 中 LoRA？.pdf
├── 📄 43-显存优化策略篇.pdf
├── 📄 79-LLMs 测试集 中 数据泄露 问题篇.pdf
├── 📄 57-LLMs Tokenizer 篇.pdf
├── 📄 90-命名实体识别常见面试篇.pdf
├── 📄 73-百川智能baichuan7B、13B、53B、baichuan2 总结篇.pdf
├── 📄 91-向量检索常见面试篇.pdf
├── 📄 88-文本分类常见面试篇.pdf
├── 📄 83-自定义 CUDA 函数的轻量级包装器 —— bitsandbytes篇.pdf
├── 📄 87-NLP Trick 篇.pdf
├── 📄 1-大模型（LLMs）基础面.pdf
├── 📄 15-大模型 RAG 经验面.pdf
├── 📄 78-小样本提示学习篇.pdf
├── 📄 61-大模型（LLMs）加速篇.pdf
├── 📄 54-pytorch 分布式计算 坑-bug 梳理篇.pdf
├── 📄 8-大模型（LLMs）进阶面.pdf
├── 📄 40-大模型（LLMs）训练集面.pdf
├── 📄 71-如何缓解大模型幻觉？.pdf
├── 📄 33-增量预训练（Pretrain）样本拼接篇.pdf
├── 📄 22-检索增强生成(RAG) 优化策略篇.pdf
├── 📄 65-LLM（大语言模型）部署加速方法——Faster Transformer篇.pdf
├── 📄 36-大模型（LLMs）强化学习面.pdf
├── 📄 89-文本摘要常见面试篇.pdf
├── 📄 52-图解分布式训练（八）—— ZeRO 学习.pdf
├── 📄 27-适配器微调（Adapter-tuning）篇.pdf
├── 📄 17-大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf
├── 📄 51-图解分布式训练（七）—— accelerate 分布式训练 详细解析.pdf
├── 📄 84-大模型（LLMs）软硬件配置面.pdf
├── 📄 81-大模型蒸馏篇.pdf
├── 📄 24-大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf
├── 📄 68-SwiftInfer —— 大模型无限流式输入推理飙升46%，打破多轮对话长度限制.pdf
├── 📄 9-大模型（LLMs）微调面.pdf
├── 📄 11-大模型（LLMs）langchain 面.pdf
├── 📄 requirements.txt
├── 📄 38-大模型（LLMs）强化学习—— PPO 面.pdf
├── 📄 12-多轮对话中让AI保持长期记忆的8种优化方式篇.pdf
├── 📄 70-大模型的幻觉问题篇.pdf
├── 📄 82-LLMs 浮点数篇.pdf
├── 📄 41-大模型（LLMs）LLM生成SFT数据方法面.pdf
├── 📄 64-大模型推理加速工具 —— vLLM.pdf
├── 📄 62-LLMs 推理性能面.pdf
├── 📄 13-基于langchain RAG问答应用实战.pdf
├── 📄 23-大模型（LLMs）RAG —— 关键痛点及对应解决方案.pdf
├── 📄 46-图解分布式训练（二） —— nn.DataParallel篇.pdf
├── 📄 39-强化学习在自然语言处理下的应用篇.pdf
└── 📄 74-LLaMA 常见面试题篇.pdf

资源获取

资源存放在夸克网盘，点击下方链接即可访问：

💡 建议：尽快保存到本地网盘或电脑，避免分享链接后期失效。

整理不易，如果对你有帮助，欢迎分享给更多需要的朋友。