大模型面试知识库开源
为什么值得看
一份面向 LLM 面试的系统性知识笔记，覆盖 Transformer、LoRA、RAG、RLHF 等 8 大核心模块，每篇附论文原图和工程落地说明。正在准备大模型岗位面试的工程师可直接按优先级刷题，省去自己零散搜集资料的时间。
LLM interview prep notes: Transformer, RLHF, DPO, LoRA, KV Cache,RAG, MoE, distributed training & 2026 frontier topics
编辑判断
面试资料泛滥但质量参差是普遍痛点，这个仓库的差异化在于把'考点+原理+论文+工程'四合一，而不是堆砌八股文。相比林粒粒等个人博主的知识点梳理，它的优势是持续更新且带原始论文图解，适合快速建立面试话术体系。
目前 stars 仅 111，说明还没被大规模发现，存在信息套利窗口。建议正在面大厂 LLM 岗的读者优先刷完标记的 8 篇核心笔记，尤其是 RLHF/DPO/PPO 对比和推理加速两篇，这两块是当前面试追问最深、候选人最容易答偏的重灾区。
Star History
生态分析
Experimental
中文 LLM 面试知识库细分领域的早期填补者，面向算法工程师求职备考
独特价值：系统性整合论文原图与工程落地说明，降低中文开发者面试资料搜集成本