本项目涵盖了大模型(LLMs)专题、计算机视觉与感知算法专题、深度学习基础与框架专题、自动驾驶、智慧医疗等行业垂域专题、手撕项目代码专题、优异开源资源推荐专题共计6大专题模块。我们将持续整理汇总最新的面试题并详细解析这些题目，除面向面试的场景外我们的题目还来源于对最新学术论文创新点的思考，希望能成为大家学术科研、工作创新、offer面试路上一份有效的辅助资料。
2024算法面试题目持续更新，具体请 follow 2024年深度学习算法与大模型面试指南，喜欢本项目的请右上角点个star，同时也欢迎大家一起共创该项目。
该项目持续更新：
- 本文录入题目的原则：高新深，其中高是指-各大厂公司近年高频算法面试题，新是指-题目要新紧跟学术和工业界的发展，比如录入了大量大模型领域的面试题，深是指-题目要有一定的内容与深度，可以引人思考，比如面向业务场景改进的面试题，来源于论文创新点的思考；
- 目前录入列表的题目，存在部分没有答案解析的题目，或者解析内容不全的题目，我们会尽快补上所有解析，关注码科智能公众号后台回复<666>进入交流群获取题目的深度解析(营销号勿扰，纯学术交流)；
- 目前录入列表的顺序，没有先后、频次、难度、细类别等维度信息，后续会再给予更多维度更详细的分类；
- 欢迎关注微信公众号：码科智能，每日更新大模型相关开源项目/代码指南/实用教程等内容；
- 欢迎添加作者微信，交流探讨人工智能各个行业的前沿内容，分享常用AIGC工具等；
- 公众号已搭建大语言模型聊天助手，可帮你查询天气、定点推送新闻、文章总结、代码理解及其他常见聊天功能，欢迎体验。
- 大语言模型
- 视觉模型
- 通用问题
- 多模态模型/强化学习/AGI等
| 01. 举例说明强化学习如何发挥作用？ |
|---|
| 28. 如何理解强化学习中的奖励最大化？ |
| 24. 领域数据训练后，通用能力往往会有所下降，如何缓解模型遗忘通用能力？ |
| 25. 在大型语言模型 (llms)中数据模态的对齐如何处理？ |
| 35. 你能提供一些大型语言模型中对齐问题的示例吗？ |
- 常见问题
- 目标分类
- 目标检测
- 目标分割
- 3D目标检测
- 对抗网络/视频理解/图像增强/深度估计等
| 01. 对抗网络：GAN中的模式坍缩的识别和解决？ |
|---|
| 02. 深度估计：简述深度估计任务中常用到的光度重建损失？ |
- Pytorch常用操作及问题
- 那些常用的训练框架
- 深度学习常见问题
- 自动驾驶
- 智慧医疗
- 自然语言处理/智慧商业/搜广推
| 01. 自然语言处理：NLP中给定当前query和历史query以及对应实体，如何对当前query的实体进行建模？ |
|---|
| 02. 机器学习：银行经理收到一个数据集，其中包含数千名申请贷款的申请人的记录。AI算法如何帮助经理了解他可以批准哪些贷款？ |
| 03. 图像识别：在实际应用中部署人脸识别算法需要能够从连续数据流中学习新的人脸身份，如何做类增量学习？ |
- 场景实战