Question 1

LLM (Large Language Model) là gì?

Accepted Answer

LLM là một mô hình deep learning được huấn luyện trên lượng văn bản khổng lồ để hiểu và tạo ra ngôn ngữ tự nhiên. Các mô hình này sử dụng kiến trúc Transformer với hàng tỷ tham số, cho phép chúng nắm bắt các sắc thái ngôn ngữ, tuân theo các chỉ dẫn phức tạp và tạo ra văn bản mạch lạc. GPT-4, Claude và Gemini là ví dụ về các LLM được sử dụng trong sản xuất.

Question 2

Sự khác biệt chính giữa prompting zero-shot và few-shot là gì?

Accepted Answer

Zero-shot prompting yêu cầu mô hình thực hiện một nhiệm vụ mà không cung cấp ví dụ trước, chỉ dựa vào hướng dẫn. Few-shot prompting bao gồm một vài ví dụ cặp đầu vào/đầu ra trong prompt để hướng dẫn mô hình. Few-shot thường cải thiện hiệu suất trên các nhiệm vụ cụ thể vì mô hình có thể suy ra định dạng và phong cách mong đợi từ các ví dụ được cung cấp.

Question 3

Chain-of-thought (CoT) prompting là gì?

Accepted Answer

Chain-of-thought prompting là một kỹ thuật khuyến khích LLM phân tích lập luận của mình từng bước trước khi đưa ra câu trả lời cuối cùng. Bằng cách thêm các cụm từ như 'Hãy suy nghĩ từng bước' hoặc hiển thị các ví dụ về lập luận, hiệu suất trên các nhiệm vụ lập luận logic, toán học hoặc đa bước được cải thiện đáng kể. Phương pháp này cũng làm cho quá trình ra quyết định minh bạch và có thể kiểm chứng hơn.

GenAI & LangChain

LLM (Large Language Model) là gì?

Câu trả lời

Sự khác biệt chính giữa prompting zero-shot và few-shot là gì?

Câu trả lời

Chain-of-thought (CoT) prompting là gì?

Câu trả lời

LangChain là gì và mục tiêu chính của nó là gì?

Chain trong LangChain là gì?

Các chủ đề phỏng vấn Data Science & ML khác

Cơ bản về Python

Lập trình Hướng đối tượng Python

Cấu trúc dữ liệu Python

Kiến Thức Cơ Bản về Git

Cơ bản về SQL

Kiến thức cơ bản về NumPy

Cơ bản về Pandas

Jupyter & Google Colab

SQL Joins & Truy vấn nâng cao

Pandas nâng cao

Trực quan hóa với Matplotlib & Seaborn

Trực quan hóa tương tác với Plotly

Thống kê mô tả

Thống kê suy luận

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Có Giám Sát: Hồi Quy

ML Có Giám Sát: Phân Loại

Cây Quyết định & Ensemble

ML Không Giám Sát

Pipeline ML & Xác thực

Chuỗi thời gian & Dự báo

Cơ Bản Về Deep Learning

TensorFlow & Keras

CNN và phân loại hình ảnh

RNN & Chuỗi

Transformers & Attention

NLP & Hugging Face

MLOps và Triển khai

Nắm vững Data Science & ML cho lần phỏng vấn tiếp theo