真面经，好答案。面试之前，先来面栈。

多模态理论知识

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

题目目录

34 道原题

  1. 多模态基础模型旨在解决哪三个代表性问题?

    原题
    关联题目你了解哪些多模态大模型及其原理？模型基础与推理 / 多模态与生成模型原理机制进阶1篇相关面经

  2. DPO和PPO，DPO和PPO有什么区别？

    原题
    关联题目DPO 与 PPO 有什么区别？已有答案模型训练与对齐 / 强化学习与奖励比较选型进阶8篇相关面经

  3. 介绍BatchNorm 和 LayerNorm，为什么transformer是LayerNorm？

    原题
    关联题目Transformer 为什么通常使用 LayerNorm 而不是 BatchNorm？模型基础与推理 / Transformer 与注意力比较选型进阶0篇相关面经

  4. PostNorm和PreNorm这两个技术有什么优缺点？

    原题
    关联题目LayerNorm 在 Transformer 中有什么作用，通常放在哪里？模型基础与推理 / Transformer 与注意力原理机制进阶0篇相关面经

  5. 详细描述一下sft过程的细节?

    原题
    关联题目SFT 的完整执行流程与训练数据集如何构建？模型训练与对齐 / 训练数据构建与治理方案设计进阶5篇相关面经

  6. Decoder-Only和Encoder-Decoder模型相比有什么优势？在训练和推理效率上有什么区别？

    原题
    关联题目Encoder-only、Decoder-only 与 Encoder-Decoder 架构有什么区别？模型基础与推理 / Transformer 与注意力比较选型进阶0篇相关面经

  7. 介绍常见的位置编码，其特点是什么？

    原题
    关联题目大模型常见位置编码有哪些，各有什么优缺点？模型基础与推理 / Tokenizer 与位置编码比较选型进阶1篇相关面经

  8. 多模态大模型微调过程中如何避免灾难性遗忘？

    原题
    关联题目如何解决大模型记忆遗忘问题？模型训练与对齐 / 训练框架、调参与排障故障排查进阶1篇相关面经

  9. 如何有效地将不同模态的数据对齐或融合到同一维度？

    原题
    关联题目什么是多模态 Embedding，如何构建跨模态可比较的表示？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经

  10. 在多模态大模型中，如何进行参数高效微调以提高模型性能？

    原题
    关联题目Adapter、Prefix Tuning、Prompt Tuning、P-Tuning 与 LoRA 如何比较和选择？模型训练与对齐 / 参数高效微调比较选型进阶0篇相关面经