模型与 NLP 基础

题集来源:Firefly(wdndev)收录项目:llm_interview_note查看原题集

题目目录

22 道原题
  1. 目前 主流的开源模型体系 有哪些?

    原题
  2. prefix LM 和 causal LM 区别是什么?

    原题
  3. 大模型LLM的 训练目标

    原题
  4. 涌现能力是啥原因?

    原题
  5. 为何现在的大模型大部分是Decoder only结构

    原题
  6. 大模型架构介绍

    原题
  7. 什么是 LLMs 复读机问题?

    原题
  8. 为什么会出现 LLMs 复读机问题?

    原题
  9. 如何缓解 LLMs 复读机问题?

    原题
  10. LLMs输入句子长度理论上可以无限长吗?

    原题
  11. 什么情况用Bert模型,什么情况用LLaMA、ChatGLM类大模型,咋选?

    原题
  12. 各个专业领域是否需要各自的大模型来服务?

    原题
  13. 如何让大模型处理更长的文本?

    原题
  14. LLM为什么Decoder only架构

    原题
  15. 文本嵌入

    原题
  16. 对比BERT、OpenAI GPT、ELMo架构之间的差异

    原题
  17. Word2Vec中为什么使用负采样(negtive sample)?

    原题
  18. word2vec 相比之前的 Word Embedding 方法好在什么地方?

    原题
  19. NLP预训练发展史:从Word Embedding到BERT

    原题
  20. NLP三大特征抽取器(CNN/RNN/TF)

    原题
  21. 常用参数更新方法

    原题