LLM 面试备考
香港 LLM / AI Engineer 面试知识库 · 共 86 篇
基础知识
工具与选型清单：按层点名（Toolchain Inventory）LLM 核心
后训练
灾难性遗忘与数据混合（Catastrophic Forgetting & Data Mixing）
数据工程与合成数据 Data Engineering & Synthetic Data
DPO 直接偏好优化（Direct Preference Optimization）
GRPO 组相对策略优化（Group Relative Policy Optimization）
LoRA 与参数高效微调（Low-Rank Adaptation / Parameter-Efficient Fine-Tuning）
RLHF 与 PPO（Reinforcement Learning from Human Feedback / Proximal Policy Optimization）
监督微调 SFT（Supervised Fine-Tuning）
智能体强化学习（Agentic RL）
RAG
Agent 架构
Agent 与 ReAct 循环 Agent & ReAct Loop
上下文工程 Context Engineering
人在环中与可控性 Human-in-the-Loop & Controllability
MCP 模型上下文协议 Model Context Protocol
记忆与状态管理 Memory & State Management
多智能体与主管模式 Multi-Agent & Supervisor Pattern
工具调用与 Function Calling Tool Use / Function Calling
Agent 技术栈分层：Tool / MCP / CLI / Skill / Harness（The Agent Stack）
编码智能体与通用 Agent（Coding Agent & General Agent）
工具发现与工具设计（Tool Discovery & Tool Design）
异步事件驱动、语音与 Computer Use：交互的时机与模态扩展（Async, Event-Driven, Voice & Computer Use）
Agent 持续进化：把「学习」做成模型外围的可验证闭环（Continual Evolution）
多 Agent 协作的基础设施与冲突治理（Multi-Agent Coordination & Conflict Governance）
Agent 状态建模与持久化（Agent State & Checkpointing）
Agent 编排：工作流、自主与混合（Agent Orchestration）
Agent 框架与运行时工具：一张选型地图（Agent Frameworks & Runtimes）
从 0 实现一个 Agent Loop：宏观步骤（Agent Loop from Scratch）
Agent 评测
Agent 基础设施
连续批处理与并行策略 Continuous Batching & Parallelism
AI 网关与模型路由 AI Gateway & Model Routing
延迟、吞吐与成本 Latency, Throughput & Cost
可观测性与链路追踪 Observability & Tracing
量化 Quantization
vLLM 与 PagedAttention vLLM & PagedAttention
分布式推理（Distributed Inference）
推测解码（Speculative Decoding）
训练系统（Training Systems）
Agent 运行时与工具执行（Agent Runtime & Tool Execution）
流式输出与增量执行（Streaming & Incremental Execution）
分布式与可靠性
并发模型：进程、线程、协程与异步 I/O（Process, Thread, Coroutine & Async I/O）
队列与发布订阅：投递语义、背压与任务队列（Queue, Pub/Sub & Delivery Semantics）
可恢复的任务执行系统（Recoverable Task Execution）
通信：RPC、HTTP 与 gRPC（RPC, HTTP & gRPC）
状态机与持久化执行（State Machine & Durable Execution）
超时、重试与幂等（Timeout, Retry & Idempotency）
事务、WAL 与补偿（Transaction, WAL & Saga）