互联网/IT行业面试题 · 技术原理 · tech:lora
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 95 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:lora
考察点
技术栈
第 41 题在LoRA中，什么是秩？它如何影响微调的参数量与效果？ 考察对矩阵秩概念及LoRA中超参数r的理解第 42 题LoRA 微调时哪些层是可以不冻结的？ 考察对 LoRA 机制和参数冻结策略的理解第 43 题LoRA 微调时，应当将低秩适配模块加到模型中的哪些位置？ 考察对 LoRA 机制原理与常见实践的理解第 44 题请介绍 LoRA 和 P-Tuning 这两种参数高效微调方法的原理，并对比它们的异同。 考察对参数高效微调技术原理的理解与对比能力第 45 题在进行LoRA微调时，你是如何选择rank值的？ 考察对LoRA秩参数选择依据的理解第 46 题在模型优化方面，你尝试过哪些模型裁剪或参数高效微调技术，比如 LoRA 或其融合方式？ 考察对模型裁剪和参数高效微调方法的实际应用与理解第 47 题LoRA 与全参数微调的核心区别是什么？在显存占用和训练效率上各有什么优劣？ 考察对 LoRA 原理及其在资源效率上相对全参数微调优势的理解第 48 题请解释LoRA微调的原理及其主要优势。 考察对参数高效微调技术LoRA的原理理解与对比能力第 49 题讲一下 LoRA 微调的原理。 考察对大模型参数高效微调方法 LoRA 的核心机制理解第 50 题LoRA 和全参数微调相比，在推荐场景下各自的优缺点是什么？ 考察对参数高效微调技术在推荐系统中的理解与选型能力第 51 题为什么LoRA可以训练少量参数来实现功能？ 考察对LoRA低秩微调原理的理解及与全参数微调的差异第 52 题LoRA 论文中引入的 scale 参数起什么作用，如何设置？ 考察对 LoRA scale 超参数作用的理解第 53 题你了解大模型微调吗？请说明QLoRA的原理。 考察对大模型微调方法及QLoRA技术原理的理解深度第 54 题LoRA 微调中，矩阵 A 和 B 分别如何初始化？为什么 B 初始化为 0 而 A 不用？ 考察 LoRA 初始化原理及其对训练稳定性的影响第 55 题训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？ 考察对 LoRA 机制的理解、冻结层策略及实际决策依据第 56 题请描述LoRA训练的主要参数和标准流程。 考察对LoRA微调关键参数和训练流程的理解第 57 题LongLoRA和LoRA有什么区别？ 考察对两种参数高效微调方法原理与适用场景的理解第 58 题请解释 LoRA（Low-Rank Adaptation）的原理。 考察对高效参数微调技术核心机制的理解第 59 题LoRA微调方法要解决的核心问题是什么？ 考察对LoRA原始动机和参数量控制的理解第 60 题LoRA 的权重矩阵通常如何初始化？为什么采用这种初始化方式？ 考察对LoRA初始化细节与其数学意义、训练稳定性的理解