深度学习精华·机器学习基础

题集来源:Rocky Ding(WeThinkIn)收录项目:AIGC-Interview-Book查看原题集

题目目录

23 道原题
  1. AIGC生成模型中的核心训练目标有哪些?

    原题
  2. 大模型对齐、强化学习和AI Agent中常见的优化目标有哪些?

    原题
  3. 如何设计、加权和诊断损失函数, 避免指标好看但系统失效?

    原题
  4. 什么是梯度下降?它为什么是机器学习和深度学习训练的核心引擎?

    原题
  5. 反向传播和自动微分如何把损失传递到每一层参数?

    原题
  6. 为什么实际训练通常使用Mini-batch SGD?Batch Size、梯度噪声和泛化有什么关系?

    原题
  7. 学习率调度、权重衰减、梯度裁剪和混合精度为什么决定训练稳定性?

    原题
  8. AIGC和AI Agent时代, 优化算法如何延伸到预训练、微调、偏好优化和策略学习?

    原题
  9. 模型融合的本质是什么?为什么它具有跨周期价值?

    原题
  10. 传统机器学习和深度学习中常见的模型融合方法有哪些?

    原题