【小哲讲大模型】面试通过秘籍

📁 【小哲讲大模型】面试通过秘籍
    1.01_什么是 AI Agent 它与传统 AI 有什么区别.mp4
    10.10_为什么 Agent 需要记忆_.mp4
    11.11_什么是推理引擎_.mp4
    12.12_工具使用在 Agent 中的作用_.mp4
    13.13_什么是环境交互_.mp4
    14.14_感知与行动在 Agent 中如何体现_.mp4
    15.15_单 Agent 与多 Agent 系统的区别_.mp4
    16.16_Agent 的能力边界在哪里_.mp4
    17.01_什么是大语言模型(LLM)_.mp4
    1777725478123.png
    18.02_LLM 是如何训练的_.mp4
    19.03_什么是 Token_.mp4
    2.02_什么是 Agentic AI.mp4
    20.04_什么是下一个 Token 预测_.mp4
    21.05_Transformer 的核心机制是什么_.mp4
    22.06_注意力机制(Attention)是怎么工作的_.mp4
    23.07_Temperature 参数对生成结果有什么影响_.mp4
    24.08_Top-K 和 Top-P 采样是什么_.mp4
    25.09_什么是幻觉(Hallucination)_.mp4
    26.10_LLM 为什么会产生幻觉_.mp4
    27.11_如何评估 LLM 的质量_.mp4
    28.12_开源模型 vs API 模型，如何选择_.mp4
    29.13_如何为项目选择合适的 LLM_.mp4
    3.03_LLM 与 Agent 有什么区别.mp4
    30.14_Prompt 对 LLM 输出有什么影响_.mp4
    31.15_什么是指令微调(Instruction Tuning)_.mp4
    32.16_RLHF 在 LLM 中起什么作用_.mp4
    33.01_什么是提示词工程（Prompt Engineering）.mp4
    34.02_Zero-Shot 和 Few-Shot 有什么区别.mp4
    35.03_什么是思维链（Chain of Thought）.mp4
    36.04_为什么 CoT 能提升推理能力.mp4
    37.05_什么是自洽性（Self-Consistency）.mp4
    38.06_什么是 ReAct 提示策略.mp4
    39.07_如何设计稳定可靠的 Prompt.mp4
    4.04_为什么从 LLM 应用转向 Agent.mp4
    40.08_什么是 Prompt 注入攻击.mp4
    41.09_如何防御 Prompt 注入.mp4
    42.10_如何设计高质量的 Prompt 模板.mp4
    43.11_System Prompt 和 User Prompt 有什么区别.mp4
    44.12_如何控制 LLM 的输出格式.mp4
    45.13_如何提升 Prompt 的鲁棒性.mp4
    46.14_如何为多步骤任务设计 Prompt.mp4
    47.15_Prompt 对 Agent 行为有什么影响.mp4
    48.01_一个完整的 Agent 架构包含哪些部分.mp4
    49.02_Agent 的规划（Planning）机制是什么.mp4
    5.05_Agent 的核心组件有哪些.mp4
    50.03_什么是任务分解 Agent 如何做任务分解.mp4
    51.04_Agent 的决策机制是什么.mp4
    52.05_工具调用和函数调用是什么 有什么区别.mp4
    53.06_Agent 如何调用外部 API.mp4
    54.07_什么是执行循环（Execution Loop）.mp4
    55.08_Agent 如何处理重试和错误恢复.mp4
    56.09_Agent 的记忆系统有哪些设计模式.mp4
    57.10_短期记忆和长期记忆在 Agent 中如何实现.mp4
    58.11_Agent 如何管理状态（State Management）.mp4
    59.12_什么是 Agent 的自我反思（Reflection）.mp4
    6.06_Agent 和 Chatbot 的区别.mp4
    60.13_多 Agent 如何协作.mp4
    61.14_Agent 如何进行任务优先级排序.mp4
    62.15_如何设计一个通用 Agent 框架.mp4
    63.16_如何设计一个垂直领域 Agent.mp4
    64.01_什么是 RAG（检索增强生成）.mp4
    65.02_RAG 的工作流程是什么.mp4
    66.03_为什么 Agent 需要 RAG.mp4
    67.04_什么是向量嵌入（Embedding）.mp4
    68.05_什么是文档分块（Chunking）.mp4
    69.06_如何选择合适的 Chunk Size.mp4
    7.07_什么是自主 Agent.mp4
    70.07_什么是向量数据库.mp4
    71.08_常见向量数据库有哪些 如何选择.mp4
    72.09_向量相似度搜索是如何实现的.mp4
    73.10_如何优化 RAG 的召回率.mp4
    74.11_如何优化 RAG 的精确率.mp4
    75.12_Rerank 在 RAG 中起什么作用.mp4
    76.13_RAG 如何解决长上下文问题.mp4
    77.14_RAG 如何减少幻觉.mp4
    78.15_RAG 和微调如何选择.mp4
    79.16_RAG 落地最难的问题是什么.mp4
    8.08_什么是目标驱动型 Agent_.mp4
    9.09_什么是多步推理_ Agent 如何实现_.mp4
    ⭐不要加视频中的老师微信.txt