又模拟面试了一次：

1、为什么转专业？大一结束不能转吗？
2、哈希冲突的解决方法？
3、lora的本质为什么会有效？因为QKV矩阵本质上都是低阶的
4、秩是什么意思？ 极大线性无关组
5、为什么会过拟合？ 本质的原因是什么？ 模型规模过大，改进的方法也是要降低模型的规模
6、梯度消失和梯度爆炸的本质的原因是什么？  链式法则
7、创新点？
8、代码量多少？做了多久？1000多行，半年左右
9、MLP 英语全程是什么？Multilayer Perception（多层感知机）
10、交叉熵损失公式是什么？-plogp
11、Adam/SGD优化器 区别，本质上 ？ 哪个效果好？
12、Transformer 优缺点？
    后续针对这些缺点：有哪些改进？模型结构上的改进？moe、GQA
13、c语言里面函数指针、指针函数；
14、强化学习了解吗？
    强化学习： 没有标准答案，但有“奖惩”机制，模型通过不断试错，学习如何做出能获得最多奖励的决策。

函数指针
指向“函数”的指针变量，本质是存储函数地址。可用于回调、函数参数传递等。
指针函数
返回值是“指针”的函数。

人工智能

问题1：什么是人工智能？有哪四种定义？

答案：
人工智能有四种定义：

维度	标准	核心思想
类人行为	图灵测试	机器能否像人一样行动
类人思考	认知建模	机器能否像人一样思考
理性思考	思维法则	机器能否进行正确推理
理性行为	理性智能体	机器能否做正确的事

问题4：强人工智能和弱人工智能有什么区别？

答案：

• 弱人工智能（狭义AI）：专注于特定任务，如人脸识别、下棋、语音助手。当前所有AI都属于此类。

• 强人工智能（通用AI）：具有人类水平的通用智能，能理解、学习、应用于任何领域。目前尚未实现。

• 超人工智能：超越人类智能的AI，目前属于理论探讨。

问题5：什么是智能体？智能体由什么构成？

答案：
智能体（Agent）：能够感知环境并通过执行器作用于环境的任何实体。

结构：智能体 = 架构（Architecture）+ 程序（Program）

• 感知（Perceive）：通过传感器获取环境信息

• 推理（Reason）：处理信息做出决策

• 行动（Act）：通过执行器影响环境

问题6：理性智能体的定义是什么？理性的衡量标准是什么？

答案：
理性智能体：在给定的感知序列和环境知识下，选择最大化性能度量期望值的行动。

衡量标准（PEAS框架）：

• P（Performance Measure）：性能度量（目标）

• E（Environment）：环境

• A（Actuators）：执行器

• S（Sensors）：传感器

理性不等同于完美：理性基于已知信息，完美需要全知全能。

问题14：模拟退火算法的工作原理是什么？

答案：
模拟退火模拟金属退火过程：

1. 初始温度T：设置较高初始温度

2. 随机移动：随机选择邻域状态

3. 接受准则：

   • 如果新状态更好 → 接受

   • 如果新状态更差 → 以概率 e^(-ΔE/T) 接受

4. 降温：按照退火计划降低温度

5. 终止：温度降到0时结束

特点：高温时接受较差解，低温时趋向最优解。理论上，足够慢的降温速度可保证找到全局最优。

问题18：AlphaGo使用了哪些关键技术？

答案：
AlphaGo的核心技术：

1. 蒙特卡罗树搜索（MCTS）：搜索框架

2. 策略网络（Policy Network）：

   • 监督学习：学习人类棋谱

   • 强化学习：自我对弈提升

3. 价值网络（Value Network）：评估局面胜率

4. 快速走子策略（Rollout Policy）：快速模拟到终局

AlphaZero改进：

• 不使用人类棋谱，纯自我对弈

• 策略网络和价值网络共享网络架构

• 适用于围棋、象棋、将棋等多种游戏

问题25：什么是概率编程？有哪些应用？

答案：
概率编程：将概率模型和编程语言结合，自动进行概率推理。

特点：

• 声明式建模：用户定义概率模型

• 自动推理：系统自动进行贝叶斯推理

• 灵活组合：支持复杂模型构建

监督学习有标签指导，无监督学习没有标签让模型自己发现规律。但两者都需要模型"自己跑"——核心区别在于有没有标签作为学习目标。

问题30：卷积神经网络（CNN）的核心组件有哪些？

答案：
CNN核心组件：

1. 卷积层：

   • 使用卷积核提取局部特征

   • 参数共享，减少参数量

   • 输出特征图

2. 池化层：

   • 最大池化、平均池化

   • 降维，保持平移不变性

   • 减少计算量

3. 激活函数：

   • ReLU：f(x)=max(0,x)

   • 引入非线性

4. 全连接层；最终分类或回归

5. 经典架构：LeNet、AlexNet、VGG、ResNet

对比项	FFN	MLP
全称	Feed-Forward Network	Multilayer Perceptron
中文	前馈网络	多层感知机
本质	相同	相同
结构	全连接层 + 激活函数	全连接层 + 激活函数
区别	命名角度不同	命名角度不同

简单说：FFN ≈ MLP，是同一个东西的不同叫法。