【LLM】13：大模型算法面试题库

一、Transformer篇

1. Transformer的结构是什么

Transformer 由 编码器（Encoder） 和 解码器（Decoder） 两部分组成，两部分都包含目标嵌入层、位置编码、多头注意力层、前馈网络，且有残差连接和层归一化，注意：解码器使用的是掩码多头。

2. Transformer的核心优势是什么

1. 并行能力强：不同于RNN，transformer的自注意力机制消除了序列数据的时间依赖，允许模型并行训练。
2. 超长序列建模能力：自注意力机制可以直接捕捉序列中任意位置的依赖关系，而不受距离的限制。
3. 灵活性和扩展性：transformer在CV、NLP都有很好的表现，自编码、自回归、T5架构涌现很多高级模型。

3. 什么是Transformer绝对位置编码？

1. 为什么Transformer需要位置编码：Transformer架构完全基于自注意力机制，并不具备像RNN和CNN那样有保存顺序信息。因此，为了让模型能够知道每个输入元素在序列中的位置，必须显式地为每个输入添加额外的位置信息。
2. 什么是绝对位置编码：是最常见的做法，通过为每个位置（每个token）分配一个独特的向量表示该位置的信息，这些位置编码会被加入到输入的词向量中。这样，模型可以根据每个位置的编码来推断元素的相对或绝对位置。
3. 绝对位置编码优势：
   ①：固定且确定：最初的 Transformer 使用的是 正弦和余弦函数 来计算每个位置的编码，能确保位置编码不会因训练而变化。
   ②：适用长序列：不同频率的正弦和余弦函数，能够捕捉到非常细致的位置信息。
4. 绝对位置编码的局限性：
   ①无法直接表达相对位置关系：比如位置5，6，与位置100,101的位置编码是相似的，但它们之间的相对距离对模型是不可见的。
   ②：难以泛化到极长序列：对于超出训练序列长度范围的序列，它们的信息就会丢失。

4.位置编码有哪些？它们各有什么不同

1. 绝对位置编码：使用 正弦和余弦函数 来为每个位置生成唯一的编码，最早在原始transformer论文中提出。
2. 相对位置编码：试图解决绝对位置编码的局限性，尤其在长序列处理和相对位置关系非常重要的任务中。它是依赖元素间的相对位置，实现方式一般是在计算注意力得分时，将位置差值作为额外偏置项加入。优点是：更加适用于长序列，缺点是：增加了模型的复杂性。
3. 旋转位置编码RoPE：是一种创新的相对位置编码。通过旋转嵌入空间的向量，将相对位置关系融入自注意力计算过程中。优点：能显式的捕捉相对位置关系，缺点是：相对复杂，需要进行额外的旋转操作。
4. 可学习位置编码：位置编码不再是固定函数生成，而是学习得到，在训练过程中优化位置编码的值。优点是：灵活度高，缺点是：训练不稳定，缺乏可解释性。

5.LLaMa为什么用旋转位置编码：

1. 长序列的高效处理：相比传统的绝对位置编码，旋转位置编码更加灵活、有效的处理长序列。
2. 相对位置的表达能力：能更好的捕捉元素间的相对位置关系，从而更好的学习长程依赖。
3. 计算效率和简洁性：相比正弦余弦编码更加高效，计算成本更低。
4. 迁移学习的优势：具有更强的迁移能力，在不同长度的序列上均能稳定工作。

6.为什么transformer块使用LayerNorm而不是BatchNorm？

	BatchNorm	LayerNorm
面向的数据	整个批次样本	单一的样本
归一化维度	整个批次样本中对每一层、每个特征（通道）进行归一化	对每个样本的所有特征（通道）进行归一化
应用方式	计算整个批次数据的均值和方差	只使用当前样本计算均值和方差