模型训练学习资料：面试题。从实际问题进入，按自己的基础选择需要的内容。
共 43 条内容
建模思路、训练目标与采样效率对比，优缺点分析
置信度下降对校准、阈值和业务决策的影响，补充适用边界与工程取舍
计算图构建、反向传播机制与训练优势解析
学习内容与项目面试，在同一条路上。
类别不平衡场景下 Focal Loss 如何调节难易样本权重
训练数据清洗时规则与 LLM 的质量、成本和审计取舍
大模型参数效率与性能保持的原理,低秩矩阵分解详解
从表示能力、训练动态到泛化性能的正反效应分析
逻辑回归中损失函数的数学表达式与设计动机
回归问题中均方误差的数学定义、优缺点及适用场景
Loss/梯度范数震荡、上升、过早饱和的原因与应对
Prompt-based Generation vs Seq2Seq,性能与泛化差异
噪声文本处理、自动化工具与效果评估方法
模板/LLM/回译方法,质量控制与风险规避
目标、数据、训练方式对比,复读机现象与对齐场景选择
从数据、超参数、架构适配、训练策略4个维度系统分析
结合 Adapter、IA³、DoRA 等研究,分析缺陷与改进方向
数学定义、梯度特性区别及LLM预训练微调为何用交叉熵
MSE 不推荐原因,Focal Loss 的 γ 和 α 如何缓解类别不平衡
损失曲线、梯度变化、验证集性能三要素分析
训练与验证指标分析,正则化与早停策略详解
分类任务微调后概率分布分散的原因与解决方案
从数据、损失和过拟合定位 SFT 后置信度下降
全参数微调 vs LoRA vs Adapter 实战经验,数据准备与训练框架
有效 prompt 结构举例及各部分作用详解