LLM180

准备大模型实习面试时，最容易踩的坑不是完全没听过 PPO、GRPO、RAG、KV cache，而是概念都背过，一被追问“为什么这样设计、工程里哪里会失败、怎么评测、怎么和项目结合”，答案就散了。

LLM180 是一个面向国内 AI 人才计划实习和大模型算法面试的刷题页。页面将内容拆成两套独立题库：180 道大模型八股和 40 道手撕代码题。八股题重点训练在 60 到 90 秒内讲清结论、机制、工程落地和评测风险，代码题则按题目、思路、参考实现、复杂度、测试与易错点组织。

页面是单文件静态应用，无需后端、无需构建，直接打开 index.html 即可使用，也可以通过 GitHub Pages 在线刷题。

• Slide 式刷题体验：每一页只聚焦一道题，左右切换，不做复杂信息工作台。
• 八股与代码分开训练：顶部可在 八股训练 180 和 手撕代码 40 间切换，两套题库独立计数和切题。
• 离线代码高亮：Python 和 SQL 参考实现内置语法高亮，本地直接打开也能区分关键字、字符串、注释和数字。
• 代码默认隐藏：先完成思路和手写实现，再显示参考代码；切换代码题后会自动重新隐藏。
• 答案不是一句八股：每题融合面试回答、问题本质、关键机制、详细原理、工程落地、评测风险和来源校准。
• 按真实追问组织：覆盖“为什么有效”“哪里会失败”“成本怎么解释”“业务怎么落地”“指标怎么设计”等高频追问。
• 本地学习状态：用 localStorage 保存不会、模糊、掌握和错题记录，刷新后仍可继续复盘。
• 适配国内 AI 实习面试：覆盖腾讯青云、字节 Seed、Kimi、DeepSeek、智谱 GLM、小米 MiMo、美团 LongCat、阿里 Qwen 等方向性准备。

• 后训练/RL：SFT、RLHF、PPO、DPO、GRPO、DAPO、RLVR、reward hacking、KL、entropy collapse
• Agent/RAG：RAG、tool calling、MCP、function calling、memory、harness、多智能体、GUI Agent、自进化
• 推理系统：MHA、KV cache、GQA/MQA、vLLM、PagedAttention、FlashAttention、speculative decoding、长上下文
• 训练系统与数据：显存估算、ZeRO/FSDP/DeepSpeed、LoRA/QLoRA、数据配比、合成数据、benchmark 污染
• 多模态/VLM：LLaVA、CLIP、VQ-VAE、Diffusion、vision tower、视频理解、多模态后训练
• 项目/论文答辩：motivation、cost、ablation、failure case、业务落地、GM 答辩
• 公司专项：腾讯青云、字节 Seed、Kimi、DeepSeek、智谱 GLM、小米 MiMo、美团 LongCat、阿里 Qwen 等
• Coding 八股：40 题，覆盖 MHA、PPO/GAE/DPO/GRPO、Softmax/CE、AdamW、RoPE、RMSNorm、KV cache、FlashAttention、采样器，以及链表、树、动态规划、滑动窗口、SQL 等高频手撕题。每题附 Python/PyTorch/NumPy/SQL 参考代码、复杂度、追问和易错点

本地直接打开：

open index.html

或者启动任意静态服务器：

python3 -m http.server 8000

然后访问：

http://localhost:8000

• 左右箭头或底部按钮切换题目
• 顶部导航切换主题
• 重要性导航按基础必过、高频核心、进阶追问、项目落地过滤
• 每页融合展示题目、面试回答、问题本质、关键机制、详细原理、工程落地、评测风险和来源校准
• 本地状态通过 localStorage 保存，刷新后仍保留掌握状态和错题记录

快捷键：

• ← / →：切换题目
• 1：不会
• 2：模糊
• 3：掌握
• B：加入错题

题库答案使用面经总结发现高频问法，并用论文、官方文档和框架文档校准技术细节。覆盖来源包括：

• InstructGPT / RLHF
• Direct Preference Optimization
• DeepSeekMath / GRPO
• DAPO
• Retrieval-Augmented Generation
• ReAct / Toolformer / MCP
• PagedAttention / vLLM
• FlashAttention
• LoRA / QLoRA
• ZeRO / DeepSpeed
• LLaVA / CLIP / VQ-VAE / DDPM
• Kimi K2、DeepSeek-V3/R1、MiMo、GLM-4.5、Qwen2.5 等公开技术报告

.
├── index.html
├── README.md
├── talent_plan_internship_interview_50_report.html
└── assets
    └── screenshot.png

这是面试训练工具，不是论文综述。公开面经只用于总结问法和流程，标准答案优先以论文、官方文档和可复现实现为准。