专业服务行业面试题 · 技术原理 · tech:llm
专业服务行业相关面试题，按题目行业基础数据聚合。
共 27579 道真题 · 当前筛选命中 75 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 1 题如何防止客服对话场景中的大语言模型出现串台问题？ 考察对 LLM 多轮对话中上下文隔离与记忆管理的能力第 2 题你了解或使用过哪些主流大语言模型？ 考察对大语言模型生态的广度认知与主动了解程度第 3 题模型幻觉怎么处理，为什么会有幻觉？ 考察对LLM幻觉成因的理解及实际应对策略第 4 题大模型有哪些位置编码，RoPE 的优势是什么？ 考察位置编码的演进理解与旋转位置编码的数学机制及优势第 5 题请简述你对大语言模型基本原理的了解，包括其训练和推理的核心流程。 考察对大语言模型整体架构和运行机制的理解深度第 6 题请介绍大模型微调的主要方法，重点说明 LoRA 的原理、需要调整的参数、适用的任务以及常用的预训练基座模型。 考察对大模型微调方法体系的理解和 LoRA 技术的掌握深度第 7 题大模型返回的文本是什么格式的？ 考察对大模型输出文本格式的认知第 8 题你微调 LLM 时的训练数据量大概是多少？如何确定这个量级？ 考察对数据规模影响微调效果的理解第 9 题大模型输出前后不一致怎么办，如何确保大模型输出内容的一致性？ 考察对大模型生成随机性与输出一致性控制方法的理解第 10 题请谈谈你对大模型的了解，以及在实际工作或研究中如何应用和开展相关研究？ 考察对大模型技术原理的理解深度、应用实践能力以及研究探索意识第 11 题说下对AI Agent和大语言模型的一个理解,他们有什么区别? 考察对AI Agent与LLM概念及关系的理解第 12 题短期记忆怎么实现的 考察对短期记忆机制的理解与应用程序第 13 题你了解大模型推荐的微调这个概念吗？ 考察对大模型微调概念、类型和应用场景的理解第 14 题Zero Shot和Few Shot的区别是什么？ 考察对LLM提示学习与上下文学习机制的理解第 15 题大模型智能体是怎么工作的，包含哪些核心组件？ 考察对大模型智能体架构、工作流程和关键组件的理解第 16 题有没有研究过大模型上下文的工作，比如推理加速或长上下文扩展？ 考察对大模型上下文处理技术的研究深度与应用理解第 17 题在构建或使用Agent系统时，如果遇到Agent幻觉编造出不存在的工具或函数，你通常如何定位和解决这类问题？ 考察对LLM Agent工具调用幻觉的识别、排查与防范能力第 18 题请阐述大模型的幻觉现象，并说明有哪些抑制方法。 考察对大模型幻觉机制的理解及主流缓解策略的掌握第 19 题大模型的工具调用怎么实现？ 考察对大模型工具调用机制的理解与实现路径第 20 题请介绍你对RAG（检索增强生成）的理解，以及你在项目中如何设计和落地一个RAG系统？ 考察对大模型应用架构（RAG）的理解深度与实际落地能力