关于本项目

简介

LLMGuide（大模型面试指南） 是一个开源的大模型 / LLM 面试知识库，参考 JavaGuide 的形式，系统整理大模型方向的「八股文」与高频面试题，覆盖从底层原理到工程落地的完整知识体系：

• 大模型基础：Transformer、Attention（MHA/MQA/GQA/MLA）、位置编码、归一化与激活、Tokenizer、解码采样、MoE
• 训练与微调：预训练、缩放定律、分布式训练、SFT/PEFT、LoRA/QLoRA、RLHF/DPO
• 应用开发：Prompt 工程、RAG、Embedding 与向量库、Agent、Function Calling/MCP、多 Agent
• 推理与工程实战：推理优化与部署、LangChain、LLM 应用开发实战
• 进阶：模型评估与幻觉、多模态、经典模型盘点、DeepSeek 专题
• 面试专题：高频面试题速记、学习路线、学习资源汇总

如何使用

• 想快速面试复习：直接看 高频面试题速记，全站考点浓缩成速查卡。
• 想系统入门：按 大模型学习路线 循序渐进。
• 想定点查阅：通过顶部导航、左侧目录或右上角搜索定位主题。

每篇文章末尾都附有「高频追问」，模拟面试官的连环追问，方便查漏补缺。

技术栈

本站基于 VitePress 构建，纯静态、可一键部署到 GitHub Pages。

参与贡献

内容持续更新维护，欢迎在 GitHub 仓库 提 Issue 指出错误、或提 PR 补充内容。贡献前可参考 贡献指南，了解写作规范与流程。

如果本项目对你有帮助，欢迎在 GitHub 点一个 ⭐ Star 支持一下！

免责声明

本项目内容仅用于学习与交流，由社区整理，可能存在疏漏或随技术发展而过时之处，请结合权威资料与官方文档辩证参考。