Posts on 刘时宇 (Liu Shiyu)https://lulusiyuyu.github.io/posts/Recent content in Posts on 刘时宇 (Liu Shiyu)Hugo -- 0.146.0enTue, 24 Feb 2026 13:30:00 +0800深入理解 Self-Attention 与 FFN (Transformer 核心)https://lulusiyuyu.github.io/posts/self-attention-ffn-intro/Tue, 24 Feb 2026 13:30:00 +0800https://lulusiyuyu.github.io/posts/self-attention-ffn-intro/直观展示 KaTeX 公式渲染与 Mermaid.js 流程图渲染能力。我的第一篇技术博客：从零搭建个人履历网站https://lulusiyuyu.github.io/posts/hello-world/Mon, 23 Feb 2026 20:00:00 +0800https://lulusiyuyu.github.io/posts/hello-world/<p>大家好，我是刘时宇。</p> <p>这是我的第一篇技术博客。为了在寻找<strong>推荐系统</strong>或<strong>后端研发</strong>相关实习工作时，能够更好地展示我的技术积累和实验室经验，我决定使用 <strong>Hugo</strong> 和 <strong>GitHub Pages</strong> 快速搭建了这个个人博客。</p><link>https://lulusiyuyu.github.io/posts/ml_interview_guide/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://lulusiyuyu.github.io/posts/ml_interview_guide/</guid><description><h1 id="机器学习--大模型微调-面试八股文完整指南">机器学习 &amp; 大模型微调 面试八股文完整指南</h1> <blockquote> <p>涵盖 <strong>传统机器学习</strong> 和 <strong>LLM Post-Training 微调</strong> 两大核心板块，适用于算法工程师 / AI 工程师面试准备。</p></blockquote> <hr> <h1 id="第一部分传统机器学习">第一部分：传统机器学习</h1> <hr> <h2 id="一核心基础概念">一、核心基础概念</h2> <h3 id="11-监督学习-vs-无监督学习-vs-半监督学习">1.1 监督学习 vs 无监督学习 vs 半监督学习</h3> <table> <thead> <tr> <th>类型</th> <th>定义</th> <th>典型算法</th> </tr> </thead> <tbody> <tr> <td><strong>监督学习</strong></td> <td>训练数据有标签（输入-输出对）</td> <td>LR、SVM、决策树、随机森林、XGBoost</td> </tr> <tr> <td><strong>无监督学习</strong></td> <td>训练数据无标签，发现隐藏结构</td> <td>K-Means、DBSCAN、PCA、GMM</td> </tr> <tr> <td><strong>半监督学习</strong></td> <td>少量有标签 + 大量无标签数据</td> <td>标签传播、自训练</td> </tr> <tr> <td><strong>强化学习</strong></td> <td>智能体与环境交互，最大化累积奖励</td> <td>Q-Learning、PPO、DQN</td> </tr> </tbody> </table> <h3 id="12-偏差-方差权衡bias-variance-tradeoff-超高频">1.2 偏差-方差权衡（Bias-Variance Tradeoff）⭐ 超高频</h3> <p><strong>偏差（Bias）：</strong> 模型预测值与真实值之间的差距。高偏差 = 模型太简单 = <strong>欠拟合</strong>。</p></description></item></channel></rss>