llm_interview_note

这是一个面向大语言模型（LLM）算法与应用工程师的面试知识整理项目，系统梳理LLM核心概念、原理、架构及高频面试题。内容覆盖语言模型基础、Transformer细节、注意力机制（MHA/MQA/GQA）、分词与词向量、解码策略（Top-k/Top-p）、BERT对比、微调与RLHF等，并配套多个轻量级动手实践项目（如tiny-llm-zh、tiny-rag）。项目以中文为主，结构清晰、注重原理与工程结合，适合准备LLM方向技术面试、快速查漏补缺或入门学习。