大模型面试宝典（2024版）

如果你正在准备大模型方向的面试，不管是校招、社招还是内部转岗，大概率会遇到一个尴尬：网上散落的八股文和面经不少，但要么太浅，只够背几个名词；要么太偏，追着某篇论文的细节讲，和实际岗位问的东西对不上。这份《大模型面试宝典（2024版）》的定位比较清楚——它不教你从零训练一个模型，而是帮你把面试里真正会被问到的知识块整理成可以查、可以顺着往下挖的资料。

它解决的是哪一类面试场景

大模型岗位的面试通常分几块：基础原理（Transformer、注意力、位置编码这些）、训练与微调（预训练、指令微调、对齐）、应用层（RAG、Agent、工具调用）、以及论文与前沿跟进。这份资料的结构大致就是照着这几块来的。它没有堆一堆视频课，而是以文字综述和论文线索为主，适合那种「面试官会追问一句你怎么看」的场合。也就是说，如果你只是想过一遍选择题式的八股，它偏重；但如果你要应对的是「讲讲你对 RAG 的理解」「指令微调里数据质量怎么控制」这种开放问题，它的密度是够的。

学完能独立做什么

把里面的内容过一遍并自己整理成笔记之后，你至少能做到三件事：第一，面对大模型基础原理类问题，能用自己的话讲清楚而不是背定义；第二，对 RAG、Agent、指令微调这几个当前招聘里出现频率最高的方向，能说出主流做法、常见坑和取舍；第三，拿到一篇新论文或新综述时，知道该抓哪些点，而不是从头逐字读。需要说明的是，它不包含手把手带你跑通一个项目的代码教程，所以如果你的面试有强实操环节，这份资料要配合你自己的动手练习一起用。

资料形态和适合的基础

内容以综述性文档和论文线索清单为主，包括 RAG 相关的文献资源整理、大模型 Agent 工具使用的综述、指令调优的长文梳理，以及一份论文动态的汇总。它更像是一个「索引 + 摘要」的组合：每个方向给你一个入口和关键结论，细节需要你顺着去找原文。所以它适合已经有一些机器学习基础、至少跑过或读过一两个大模型相关项目的人；完全零基础、连注意力机制都没接触过的读者，直接看会觉得跳。反过来，如果你已经做过 RAG 或微调，但知识是碎的，这份资料能帮你把碎片串成能讲出口的结构。

怎么用效率更高

• 先按面试方向挑，不要从头到尾平推。主攻应用岗就先看 RAG 和 Agent 两块，主攻算法岗再把指令微调和原理部分补上。
• 每读完一个方向，合上资料用自己的话写一段三分钟的口述稿，面试时能直接调用的就是这段。
• 论文线索不要只收藏，挑两三篇和你项目最相关的读摘要和结论，面试里能具体提到一篇，比泛泛说「我关注前沿」有说服力。
• 把它当查漏工具而不是唯一来源，遇到讲不清的点，回到原始论文或官方文档补。

整体来说，这份资料值得准备大模型面试的人花时间过一遍，前提是你带着问题去用，而不是把它当成背完就能过关的题库。