面试问题？

为什么选择 chatGLM 6B 作为模型？

• 首先，模型规模相对较小，但它在训练时可能专注于对话和文本生成的特定领域，因此在这些领域可能更为高效和精准。

• 其次，采用了GLM模型结构，这种结构在处理中文文本时可能更具优势，尤其是在处理成语、俗语和复杂语言结构方面。

• 在快速响应和特定领域任务上可能更具优势，更加高效，更适合用于客服机器人、虚拟助手、内容创作等交互式应用。

讲下知识图谱？ 知识图谱的作用？ 怎么构建的？ 你的模型对比过了嘛？ 准确率多少？ 用了哪些评价指标

知识图谱是一种结构化的语义知识库，它以图形的形式存储关于实体、概念及其之间关系的信息。知识图谱通常由节点（实体）和边（关系）组成，其中节点代表实体（如人、地点、物品等），边代表实体之间的各种关系（如“属于”、“位于”、“创造”等）。

知识图谱的构建

知识图谱的构建通常包括以下几个步骤：

1. 数据采集：从各种数据源（如文本、数据库、网页等）收集数据。

2. 数据预处理：清洗数据，去除噪声，统一实体名称等。

3. 实体识别与链接：识别文本中的实体，并将它们与知识库中的相应实体链接起来。

4. 关系抽取：从数据中提取实体之间的关系。

5. 知识融合：整合来自不同来源的知识，解决实体和关系的冲突和冗余。

6. 存储与查询：将构建好的知识图谱存储在图数据库中，并提供查询接口。

spn4RE 模型? 信息抽取？

用pandas做什么？ 怎么做

Pandas 是一个强大的 Python 数据分析库，主要用于数据处理和数据分析。

数据导入和导出

• 导入数据：

  • 读取 CSV 文件：pd.read_csv('file.csv')

  • 读取 Excel 文件：pd.read_excel('file.xlsx')

  • 读取 SQL 数据库：pd.read_sql(query, connection_object)

• 导出数据：

  • 导出到 CSV 文件：df.to_csv('file.csv', index=False)

  • 导出到 Excel 文件：df.to_excel('file.xlsx', index=False)

数据清洗

• 删除缺失值：df.dropna()

• 填充缺失值：df.fillna(value)

• 删除重复行：df.drop_duplicates()

• 重命名列名：df.rename(columns={'old_name': 'new_name'})

深度学习中的批次

在深度学习中，“批次”（Batch）是一个核心概念，它指的是在训练过程中同时输入到神经网络中的样本集合。以下是关于批次的一些详细信息：

批次（Batch）的定义：

• 批次：在单次迭代中，同时通过神经网络前向传播和反向传播的样本集合。

• 批次大小（Batch Size）：一个批次中包含的样本数量。

Epoch 的定义：

• Epoch：模型在训练过程中对整个训练数据集进行一次完整的遍历和训练。

Epoch 的作用：

1. 学习过程：每个 epoch 都代表了模型学习过程中的一个周期，模型通过这个周期对数据进行学习并更新权重。

2. 性能衡量：通常在每个 epoch 结束后，会使用验证集来评估模型的性能，以监控训练进度和避免过拟合。

Epoch 与 Batch 的关系：

• 一个 epoch 包含多个 batch 的训练。

• Batch size 决定了每个批次中样本的数量，而 epoch 决定了模型对整个数据集的遍历次数。

在深度学习实践中，通常会设置一个足够大的 epoch 数量来训练模型，但实际的训练过程可能会通过早停（early stopping）策略来提前终止，以防止过拟合并节省计算资源。早停策略通常是基于验证集的性能来决定的。

你怎么加快训练的过程？如果数据集很大的话。

2. GLM模型架构