后端岗位面试题 · 技术原理 · 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 129 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:llm
考察点
技术栈
第 81 题请说明大模型在推荐系统中用于用户画像刻画时的工作原理和典型方法。 考察对推荐场景下用户画像构建的模型理解和方案设计能力第 82 题请解释SFT（监督微调）的基本流程及其在大模型应用中的作用。 考察对监督微调原理和流程的理解第 83 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 84 题面试中提到很多大模型相关的内容，你认为大模型技术将如何影响[目标岗位]的工作？ 考察候选人对新技术趋势的敏感度和对岗位发展的理解第 85 题你了解哪些生成式推荐的论文？ 考察对生成式推荐领域前沿研究的了解深度与广度第 86 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 87 题请描述大语言模型（LLM）、智能体（Agent）与模型上下文协议（MCP）之间的关系。 考察对LLM、Agent、MCP三者角色定位与协作关系的理解第 88 题请介绍你对大模型和多模态技术的理解，以及它们在实际应用中的价值和挑战。 考察对大模型、多模态技术的知识掌握、应用意识与风险认知第 89 题请谈谈你对大模型等前沿技术方向的了解。 考察对前沿技术趋势的认知深度与表达清晰度第 90 题请介绍你在项目中如何使用大模型、RAG 和 LangChain 技术，并说明它们的核心作用。 考察对大模型应用、RAG 和 LangChain 的理解与实践能力第 91 题相比直接用ChatGPT这类大模型，Agent进一步解决了什么问题，请举例说明。 考察对大模型与Agent差异的理解，以及Agent的价值定位第 92 题如何提升大语言模型的预测准确率？请说明可采用的策略及适用场景。 考察对大模型准确率优化方法及其适用边界的理解第 93 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 94 题除了RAG之外，针对大语言模型应用还有哪些优化方案？请重点讨论微调（Fine-tuning）的方法与适用场景。 考察对大模型优化技术全景的认知及微调方法的深度理解第 95 题解释Reflexion原理 考察对大语言模型智能体自我反思与迭代改进机制的理解第 96 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 97 题请简要描述强化学习PPO（Proximal Policy Optimization）的核心思想，及其在语言模型对齐中的应用。 考察对PPO算法原理和LLM对齐应用的理解第 98 题请谈谈你对大模型技术发展趋势及其对相关行业影响的理解。 考察对大模型技术演进、应用前景和潜在风险的认知深度第 99 题请介绍你对大模型（Large Language Model）的了解，并解释什么是大模型。 考察基础知识掌握程度与概念表达能力第 100 题请谈谈你对大模型技术的了解，并结合实际工作说明应用情况。 考察大模型知识基础与实际落地能力