互联网/IT行业面试题 · 方案权衡 · 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 57 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:lora
考察点
技术栈
第 21 题在 LoRA 微调中，你通常如何设置秩（rank）？请说明你的选择依据。 考察对 LoRA 秩参数的理解与选择依据第 22 题LORA和全参数微调的区别 考察对参数高效微调与全参数微调机制、适用场景及权衡的理解第 23 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 24 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 25 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 26 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 27 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 28 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 29 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 30 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 31 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 32 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 33 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 34 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 35 题Lora的原理是什么？LORA在推理的时候怎么与原参数融合，从而不带来时间成本？ 考察对LoRA原理、参数低秩分解及推理阶段参数合并机制的理解第 36 题请介绍几种常见的 PEFT（参数高效微调）方式及其适用场景。 考察对参数高效微调方法的理解与选型能力第 37 题请讲解一下 LoRA 微调的原理，A、B 矩阵如何初始化，以及 LoRA 微调的秩通常如何设置？ 考察对 LoRA 原理、初始化方式与超参设置的掌握第 38 题介绍LoRA，并解释为什么LoRA只训练少量参数就能有效，而不需要训练全参数。 考察对LoRA原理及其参数高效微调机制的理解第 39 题请介绍LoRA及其变体QLoRA的原理和区别。 考察对参数高效微调方法及其内存优化理解第 40 题大模型监督微调（SFT）的常见方式有哪些？ 考察对全量微调、LoRA等方法的理解与选择