interview-cheatsheet

请提供您希望我为您准备的特定机器学习或大语言模型（ML/LLM）主题，例如： - Transformer 架构 - 注意力机制（Attention Mechanisms） - 位置编码（Positional Encoding） - 自回归语言建模（Autoregressive Language Modeling） - 预训练-微调范式（Pretraining-Finetuning Paradigm） - LoRA / Adapter / Prefix Tuning 等参数高效微调方法 - RLHF（基于人类反馈的强化学习） - 模型量化（Quantization） - 知识蒸馏（Knowledge Distillation） - 大模型推理优化（如 KV Cache、FlashAttention） - 多模态大模型（如 LLaVA、BLIP-2） - 向量检索与 RAG（Retrieval-Augmented Generation） 一旦您指定主题，我将为您生成一份 **600–1000 行** 的中文面试速查表，包含： ✅ 核心公式与数学推导（LaTeX 格式） ✅ 从零实现的 PyTorch 代码（带注释） ✅ 方法对比表格（结构、参数量、训练效率、适用场景等） ✅ 25 道高频面试题，按难度分级： 　　• L1（必会）：基础概念与实现细节 　　• L2（进阶）：机制理解、变体分析、调优策略 　　• L3（顶级 lab）：理论深度、前沿改进、系统设计 请告诉我您想深入的主题！例如：“写一份 Transformer 教程” 或 “出一份 LoRA 速查”。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本