#总体结论

#1. 大模型题目已经明显收敛到 10 个核心模块

无论题库来源是中文还是英文，无论岗位更偏算法、应用还是平台，最终高频题都在下面这 10 个模块里打转：

  1. 大模型基础与 Transformer 架构
  2. Tokenizer、Embedding、位置编码与上下文窗口
  3. 预训练、数据工程、Scaling Law 与模型结构扩展
  4. SFT、PEFT、对齐训练（RLHF / DPO 等）
  5. 推理优化、Serving 与部署工程
  6. RAG、检索、重排与知识增强
  7. Agent、工具调用、工作流编排与协议
  8. 评测、幻觉、安全与可观测性
  9. 多模态（图文音视频）
  10. 系统设计、业务落地与成本权衡

#2. 笔试和面试考的是同一棵知识树，但方式完全不同

维度 笔试更常见 面试更常见
出题形式 选择、填空、判断、简答、小型方案题 开放问答、追问、项目结合、系统设计
关注点 概念是否清楚、公式是否知道、差异是否分得清 原理是否真正理解、trade-off 是否说得清、是否做过
典型问题 LoRA 和 QLoRA 区别、RoPE 优点、RAG 流程 为什么你的 RAG 效果差、为什么 LoRA 不够、KV cache 为什么会爆显存
难度拉开方式 多概念混考、术语细节、顺序和边界 一路追问到实现细节、指标、失败案例、替代方案

#3. 2025-2026 年新增热点主要集中在 5 个方向

  1. Agent：ReAct、Reflexion、LangGraph、工具调用、Multi-Agent、MCP/A2A。
  2. RAG 工程化：chunking、hybrid retrieval、reranker、GraphRAG、长上下文与 Lost in the Middle。
  3. 推理与成本优化：KV cache、PagedAttention、continuous batching、quantization、speculative decoding、vLLM。
  4. 评测与安全：hallucination、LLM-as-a-Judge、线上观测、红队、guardrail。
  5. 多模态与应用化：VLM、视频理解、图文对齐、扩散模型、AIGC 产品落地。