后端岗位面试题 · 问题拆解 · tech:llm
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 41 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · tech:llm
考察点
技术栈
第 21 题你了解大模型相关技术，有实际落地过的项目吗？ 考察候选人将大模型知识转化为实际项目经验的能力第 22 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解第 23 题prompt之间的token是否是有依赖的,是否可以并行? 考察对LLM推断过程中token生成顺序和并行性的理解第 24 题请解释一下大型语言模型中 ReAct 模式的核心思想，并说明其典型应用方式。 考察对 ReAct 模式原理与应用场景的理解第 25 题请介绍你在大模型方面的实际项目经验或研究成果，包括你负责的部分、遇到的问题及解决思路。 考察大模型相关的实战经验、技术深度与问题解决能力第 26 题请谈谈你对大模型应用场景的理解，并举例说明如何通过提示词工程优化实际任务效果。 考察对大模型应用场景的认知及提示词工程在实际任务中的运用能力第 27 题大模型推理分为哪些阶段？ 考察对大模型推理流程的宏观理解与阶段划分能力第 28 题基于目前的日志处理，如何用大模型来获取我们需要的日志信息？ 考察将大模型应用于日志信息提取的设计思路第 29 题平时使用大模型时传入的超参数有哪些？它们分别有什么作用，又是如何影响模型回答的？ 考察对大模型推理阶段超参数的理解及应用能力第 30 题你提到的 Function Call 是如何实现的？ 考察对大模型函数调用机制与参数解析的理解第 31 题当使用大模型询问问题时，如果出现回答与普遍认知事实不符的情况，可能有哪些原因？ 考察对大模型幻觉、知识局限与推理错误的系统化归因能力第 32 题如何判断一个基于大模型的校验功能是否是 Workflow？ 考察对 Workflow 概念的理解及判别能力第 33 题调用大模型识别敏感词如何写提示词？ 考察提示词工程中敏感词识别任务的指令设计能力第 34 题请介绍你参与的大模型代码生成项目，包括项目目标、技术方案以及你个人的具体贡献。 考察候选人项目理解深度、技术方案设计能力与个人贡献的真实性第 35 题你了解哪些大模型的主要应用场景？请结合具体案例说明。 考察对大模型应用领域的认知广度与深度，以及结合实际案例分析的能力第 36 题你了解大模型有哪些应用场景吗？ 考察对大模型实际应用和市场趋势的理解广度与深度第 37 题如果大模型出现了幻觉，该怎么办？ 考察对大模型幻觉问题的理解、排查与缓解方案第 38 题请描述LLM与外部工具配合调用的整体流程。 考察对LLM工具调用机制和协同流程的理解第 39 题请说明大模型在推荐系统中用于物品特征构建时的工作原理和典型方法。 考察对大模型赋能物品特征表征的理解和落地能力第 40 题你对大模型应用开发的关键点有什么总结？ 考察对大模型应用开发全流程的理解与归纳能力