后端岗位面试题 · 技术选型 · 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 35 道 · 更新 2026-08-05
筛选题目已选：技术选型 · tech:llm
考察点
技术栈
第 1 题请介绍你参与开发的AI Agent项目，并说明在项目中使用了哪些大模型以及选择的理由。 考察对AI Agent项目的理解、模型选型与工程落地能力第 2 题如果要做微调，你会怎么做？ 考察对大模型微调流程、数据与策略的理解第 3 题请介绍你对大模型和 Spring AI 的理解。 考察对大模型相关技术栈及 Spring AI 框架的认知程度第 4 题请结合你在实际项目中的经历，说明你是如何设计和实现RAG系统的，遇到了哪些问题以及如何解决。 考察RAG落地能力、项目实践细节与问题解决思路第 5 题请谈谈你对LoRA等大模型微调技术的理解，包括其原理、优点和适用场景。 考察对大模型微调技术的原理理解与应用判断第 6 题请结合你熟悉的业务或项目，谈谈大模型的应用场景和落地方式。 考察对大模型典型应用场景的理解及与具体业务的结合能力第 7 题请简要介绍你了解或使用过的大模型，并说明它们的特点或适用场景。 考察对大模型的基础认知、技术理解与选型意识第 8 题在这些大模型工具中，你觉得哪一个更好，为什么？ 考察候选人的工具评估能力与判断依据第 9 题请你介绍几种常见的大模型微调方法，并说明它们的适用场景和优缺点。 考察对大模型微调技术体系的理解和应用选型能力第 10 题如何构建大模型校验功能所需的知识库？ 考察知识库构建的完整方法论与落地细节第 11 题业务想用大模型的能力，用自有数据让大模型在汽车领域做回答，怎么让大模型学习到想要的结果？ 考察大模型领域适配的技术路线、数据工程与效果评估能力第 12 题你如何看待不同主流大语言模型的差异？你会如何选择和使用它们？ 考察对大语言模型生态的认知与选型能力第 13 题大模型对业务解决问题的能力相对传统方式有什么优势？ 考察对大模型能力边界、适用场景及与传统方法对比的理解第 14 题请介绍大模型技术栈中你熟悉的核心技术，并说明它们的关联。 考察对大模型技术体系的理解广度与深度第 15 题请结合你的实际经验，说明大语言模型通常适合解决哪类问题，并举例说明不适合的场景。 考察对大模型能力边界的理解与场景选择能力第 16 题请结合你的实际经历，谈谈你一般使用大语言模型来完成哪些类型的任务，并举例说明。 考察对大模型能力的理解、实际应用场景的深度及技术选型意识第 17 题Agent跟大语言模型有什么差别？ 考察候选人对Agent与大语言模型概念边界的理解与本质差异的把握第 18 题请列举常见的大模型架构类型，并说明哪些模型采用 decoder-only 结构，哪些采用 encoder-decoder 结构。 考察对主流大模型架构分类及代表模型的掌握程度第 19 题针对大模型幻觉问题，请提出系统性的解决方案。 考察对大模型幻觉治理方法体系的掌握与整合能力第 20 题请谈谈你对大模型推理优化的理解，包括常用的优化方法及其适用场景。 考察对大模型推理性能优化方法的掌握与场景判断能力