#separator:tab
为什么 LoRA 的 B 矩阵初始化为零？	保证训练起点 ΔW = BA = 0，模型从预训练状态平滑出发、不破坏已学能力（2.6）
KV cache 为什么有效？哪些张量不变？	因果 mask 保证历史 K/V 不变，每步只算新 token 的 q/k/v 并追加缓存（2.3）
prefill 和 decode 各是什么瓶颈？	prefill 是 compute-bound（算力满载），decode 是 memory-bound（带宽受限）——后者并发近乎免费（2.3/2.8）
7B 模型全参微调要多少显存？为什么单卡不行？	≈16 字节/参数 × 7B ≈ 112GB（权重+梯度+AdamW 状态+fp32 主权重），不含激活——必须 FSDP/ZeRO 或改 LoRA（7.1）
SFT 为什么要有 loss mask？忽略标签是多少？	只学"回答"不学"提问"；非回答位置标签设 −100，交叉熵 ignore（2.5）
DPO 相比 RLHF+PPO 省掉了什么？	奖励模型被闭式解消掉；只留策略+参考两个模型，纯监督式训练无采样循环（2.7）
GRPO 如何省掉 critic？	同一问题采样 G 个回答，组内均值/方差即 baseline——题目难度被相对比较消去（2.7）
Chinchilla 说每参数 20 token，LLaMA 为什么故意违反？	Chinchilla 优化训练算力，但推理成本是终身大头——过训小模型把智能压进去，部署更便宜（2.4）
ViT 为什么需要位置编码？CLIP 336px 产生多少视觉 token？	注意力置换等变，顺序信息必须显式注入；336/14=24 → 576+1 CLS（1.4/3.2）
MAE 为什么遮 75% 而 BERT 只遮 15%？	图像像素冗余度高、语言信息密度高——遮罩率应匹配模态冗余度（1.5）
DDPM 的训练 loss 是什么？直觉含义？	||ε − ε_θ(x_t,t)||²；等价于学数据对数密度的梯度（score）——"往概率高处走的方向"（4.2）
Flow Matching 相比 DDPM 好在哪两点？	无 β schedule 超参；直线路径让欧拉少步采样误差小——省步数（4.5）
CFG 的公式与 s 过量的症状？	ε̃ = ε_∅ + s·(ε_c − ε_∅)；s 过大过饱和僵硬"塑料感"——分布被推离训练数据（4.3/8.6）
为什么说"tokenizer 是离散生成的天花板"？	生成 token 最终要过 VQ 解码器还原——解码器重建不了的细节，任何 LM 都补不回来（3.4）
Janus 为什么给理解和生成各配一个视觉编码器？	理解要语义特征、生成要细节重建，一码难两全——解耦后共享 LLM 主干，两边都赢（4.8）
CLIP 的 zero-shot 分类为什么可行？"分类器权重"是什么？	图文共享对齐空间；各类 prompt 编码成嵌入向量，图像嵌入做余弦最近邻（1.6）
标注一致性 kappa 低先怪谁？	先怪分类学——枚举边界含糊是低一致性的首因，修规范而不是换标注员（8.7）
"去视觉输入性能不掉"说明什么？	语言先验在作弊、模型没看图——伪视觉推理，审稿必问的红灯（5.1/3.7）
A1 为什么是选题库的全线底座？	三层评测数据集是其他所有题目的验收基础设施——先建它，B/C/E 线全部受益（8.9）
决策树：排名在保研线外且家庭支持一般，主路是？	就业主路：大四实习+校招，走大模型应用/工程岗；作品集里"能部署能交付"最抗跌（9.2）
面试手写题出现率最高的三道？	手写 multi-head attention、卷积前向、NMS/IoU——全是 1.2/1.8 的作业原题（9.4）
实习转正叙事的核心是什么？	一个"从 0 到 1 归你的"交付物 + 每周 sync 记录攒素材——胜过十件打杂（9.4）
OOM 排查第 0 步是什么？	先测量再猜：torch.cuda.max_memory_allocated + nvidia-smi 找僵尸进程与真实峰值（7.1）
AI 时代开源贡献的红线？	AI 批量生成"水 PR"刷数量会被维护者识别并拉黑——质量文化是真实淘汰机制（6.5）