LLM面试50问：NLP/RAG/部署/对齐/安全/多模态全覆盖

太好了！下面按你点名的 6 大主题（NLP、检索/RAG、部署、对齐、 安全、多模态）给出深度版答案 + 关键公式/推导 + 最小可跑示例代码 + 常见坑。都尽量精炼到“拿来即用/面试可白板推导”的粒度。

---

NLP（架构、位置编码、指令跟随）

1) RoPE 长上下文与缩放

要点：RoPE 将位置 pp 以旋转矩阵注入到 q,kq,k：

NTK/动态缩放：把 pp 替换为 p/αp/\alpha 或调 θ0\theta_0，能在不改结构下外推更长序列；α>1\alpha>1 代表拉伸时间轴（常见 1.5–8）。

最小伪代码（PyTorch）：

def apply_rope(x, pos, base=10000.0, scale=1.0):# x: [B, L, H, D], D 偶数；pos: [L]half = x.shape[-1] // 2freqs = base ** (-torch.arange(0, half, device=x.device) / half)# 位置缩放：pos/scaleangles = torch.einsum('l,d->ld', pos / scale, freqs