本项目涵盖了大模型(LLMs)专题、计算机视觉与感知算法专题、深度学习基础与框架专题、自动驾驶、智慧医疗等行业垂域专题、手撕项目代码专题、优异开源资源推荐专题共计6大专题模块。我们将持续整理汇总最新的面试题并详细解析这些题目,希望能成为大家斩获offer路上一份有效的辅助资料。
2024算法面试题目持续更新,具体请 follow 2024年深度学习算法与大模型面试指南,喜欢本项目的请右上角点个star,同时也欢迎大家一起共创该项目。
该项目持续更新:
- 本文录入题目的原则:高新深,其中高是指-各大厂公司近年高频算法面试题,新是指-题目要新紧跟学术和工业界的发展,比如录入了大量大模型领域的面试题,深是指-题目要有一定的内容与深度,可以引人思考,比如面向业务场景改进的面试题;
- 目前录入列表的题目,存在部分没有答案解析的题目,或者解析内容不全的题目,我们会尽快补上所有解析;
- 目前录入列表的顺序,没有先后、频次、难度、细类别等维度信息,后续会再给予更多维度更详细的分类(TODO:题目顺序归类中,答案顺序未整理);
- 大语言模型
- 视觉模型
- 通用问题
- 多模态模型/强化学习/AGI等
01. 举例说明强化学习如何发挥作用? |
---|
28. 如何理解强化学习中的奖励最大化? |
24. 领域数据训练后,通用能力往往会有所下降,如何缓解模型遗忘通用能力? |
25. 在大型语言模型 (llms)中数据模态的对齐如何处理? |
35. 你能提供一些大型语言模型中对齐问题的示例吗? |
- 常见问题
- 目标分类
- 目标检测
- 目标分割
01. 模型问题:在Unet网络结构中,四次降采样对于分割网络到底是不是必须的? |
---|
02. 模型问题:为什么UNet++可以被剪枝,怎么去决定剪多少? |
03. 模型问题:分割一切网络SAM如何处理目标的分割掩码输出? |
04. 模型问题:SAM在本地的模型推理效果明显差于线上web版本,有什么方式可以优化其效果? |
05. 基座模型:VIT直接用于分割检测等预测密集型的任务上存在什么问题? |
- 对抗网络/视频理解/图像增强/深度估计等
01. 对抗网络:GAN中的模式坍缩的识别和解决? |
---|
02. 深度估计:简述深度估计任务中常用到的光度重建损失? |
- Pytorch常用操作及问题
- 那些常用的训练框架
01. TensorRT 为什么能让模型跑的更快 |
---|
02. MMengine 的一些特性,其基础配置包含哪些内容 |
03. MMdetect 中添加一个自定义的backbone网络,需要改哪些代码 |
04. MMCV 中Hook机制简介及创建一个新的Hook |
05. Pytorch Lighting的设计哲学,及你觉得好用的点 |
- 深度学习常见问题
- 自动驾驶
- 智慧医疗
01. 数据标注:医学影像由于标注专业性差异,出现多人标注不一致情况怎么解决?如何用算法的方式减少误差? |
---|
02. 模型问题:模型中如何添加病史信息来增强最终的分类效果? |
- 自然语言处理/智慧商业/搜广推
01. 自然语言处理:NLP中给定当前query和历史query以及对应实体,如何对当前query的实体进行建模? |
---|
02. 机器学习:银行经理收到一个数据集,其中包含数千名申请贷款的申请人的记录。AI算法如何帮助经理了解他可以批准哪些贷款? |
- 场景实战
01. 如何在标注存在错误的数据上训练模型? |
---|
02. 视频与图像中的目标检测具体有什么区别 |
03. 举出几种光流方法,说明LK光流的建模方式? |
04. 如何在数据量十分有限,但特征数量极多的情况下选出一套合适的特征组合? |
05. SAM的点提示和框提示输入尺寸,框提示是否支持多个框? |
06. 为什么 larger batch size 对对比学习的影响比对监督学习的影响要大? |
欢迎大家一起共创该项目,也可加博主微信探讨交流