LLMGuide大模型面试指南

🔥 必看 ​

• 大模型零基础入门（🌱新手必看）：完全没接触过 AI？从这里开始，配 术语速查表 和 必备数学基础。
• 2026 岗位能力地图（🎯求职必看）：把 Boss JD 拆成 LLM 应用、Agent、RAG & Memory、Java AI、AI Infra 五条准备路线。
• 大模型应用实战知识体系（🧭项目路线）：把 Prompt、RAG、Agent、模型服务和商业实战串成可复述的面试路线。
• 高频面试题速记（⭐网站核心）：全站核心考点浓缩成一问一答速查卡，面试前快速过一遍。
• 手撕代码题解集（🔥新上线）：MHA、RoPE、RMSNorm、LoRA、DPO Loss、采样……10 道最高频手撕题，可运行实现 + 考点解析。
• 分岗位面试真题：按算法/应用/工程岗 + 场景设计 + 手撕题分类的真题库。
• 大模型学习路线：从理论地基到 RAG、Agent、微调部署，一条清晰的进阶路径。
• Transformer 架构详解：从 Self-Attention 到 MHA/MQA/GQA/MLA、RMSNorm、SwiGLU，面试必考底层原理。
• 微调与对齐：SFT、LoRA/QLoRA、RLHF/DPO 一文打通，区分清楚"训练范式"和"对齐方法"。
• RAG 与 Agent：当下大模型应用开发最热门的两大方向，覆盖原理、流程与高频考点。
• 推理优化与部署：量化、KV Cache、PagedAttention、投机解码……应对中大厂工程化面试趋势。
• DeepSeek 专题：MLA、DeepSeekMoE、GRPO、R1 训练流程，当下最热门的前沿考点。
• 推理模型与慢思考：o1/R1、long CoT、test-time compute，理解「会慢慢想」的新范式。

🌟 学习路线建议 ​

1. 先看 大模型核心概念总览 建立全局认知；
2. 打牢 Transformer、Attention、归一化与激活 等基础原理；
3. 理解 预训练 → 分布式训练 → 微调/对齐 的完整训练链路；
4. 掌握应用开发核心：Prompt、RAG、Agent；
5. 补齐工程能力：推理优化与部署、工程实战、评估。

完整路线见 大模型学习路线，资源清单见 学习资源汇总。

本项目仅用于学习交流，内容持续更新维护。欢迎在 GitHub 提 Issue / PR 一起完善。