真面经，好答案。面试之前，先来面栈。

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

    原题
    关联题目不同模型适合什么场景，如何比较使用效果？已有答案模型基础与推理 / 模型选型与能力边界比较选型进阶8篇相关面经

  2. 各个专业领域是否需要各自的大模型来服务？

    原题
    关联题目各专业领域都需要独立的领域大模型吗，如何判断必要性？模型基础与推理 / 模型选型与能力边界技术决策进阶0篇相关面经

  3. 如何让大模型处理更长的文本？

    原题
    关联题目多轮对话变长时，如何控制上下文长度并选择压缩策略？已有答案面前必看Agent 原理与系统 / 上下文工程方案设计进阶88篇相关面经

  4. LLM为什么Decoder only架构

    原题
    关联题目为什么主流大语言模型多采用 Decoder-only 架构？模型基础与推理 / 模型架构与表示原理机制进阶0篇相关面经

  5. BERT

    原题
    关联题目BERT 的整体结构是什么，如何形成双向上下文表示？模型基础与推理 / 模型架构与表示原理机制基础0篇相关面经

  6. 文本嵌入

    原题
    关联题目Embedding 的本质是什么，各维度参数有什么含义？已有答案RAG 与知识系统 / Embedding 与向量表示原理机制进阶3篇相关面经

  7. 对比BERT、OpenAI GPT、ELMo架构之间的差异

    原题
    关联题目熟悉哪些大模型，它们的结构有何不同？已有答案模型基础与推理 / 模型架构与表示比较选型进阶6篇相关面经

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

    原题
    关联题目Word2Vec 为什么使用负采样，如何构造训练目标？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经

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

    原题
    关联题目Word2Vec 相比早期词嵌入学习方法有哪些改进？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经

  10. NLP预训练发展史：从Word Embedding到BERT

    原题
    关联题目从 Word Embedding 到 BERT，NLP 预训练方法如何演进？模型基础与推理 / 模型架构与表示概念解释基础0篇相关面经