电商行业面试题 · LLM
电商行业相关面试题，按题目行业基础数据聚合。
共 10617 道真题 · 当前筛选命中 80 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 1 题假设我们是做电商的，你觉得可以怎么用大语言模型来解决我们的一些实际业务问题？ 考察对LLM能力边界和电商业务场景的理解与方案设计能力第 2 题在项目中，你是否考虑过用大模型搭建点云处理框架？请说明理由。 考察大模型技术选型的思考能力和项目适配性判断第 3 题大模型在训练和推理时显存不够，有哪些优化方法？ 考察对大模型显存瓶颈的理解及训练和推理阶段优化手段的掌握第 4 题什么是大语言模型的“上下文窗口”？扩展上下文窗口对模型性能有何影响？ 考察对大语言模型上下文窗口概念的理解及其扩展带来的性能权衡第 5 题长上下文（long context）是当前大语言模型的研究热点，你知道有哪些方法可以解决或缓解长上下文问题？ 考察对长上下文技术方案的系统理解与广度第 6 题在零售电商或本地生活类业务中，哪些场景适合落地AI技术产品？请结合客服、搜索等举例说明。 考察将AI技术映射到真实业务场景的产品化能力第 7 题对于AIGC虚拟人产品中用户和虚拟人互动玩法模块的建设，你有什么初步思路？ 考察对AIGC虚拟人互动场景的产品设计思路与模块拆解能力第 8 题有了解过京东做的一些大模型工具吗？ 考察候选人对行业大模型产品的关注、信息收集与业务结合理解第 9 题在LLM推理里,我们经常听到一个词叫prefill,能解释一下它是什么意思吗? 考察对LLM推理阶段划分的理解,特别是prefill阶段的作用第 10 题你如何看待AI Agent当前的发展现状？ 考察对AI Agent技术演进、产品形态与行业应用的认知广度第 11 题LLM重复生成内容的问题如何缓解？ 考察对LLM生成文本重复现象的成因分析与工程化解法第 12 题请介绍你参与的大模型代码生成项目，包括项目目标、技术方案以及你个人的具体贡献。 考察候选人项目理解深度、技术方案设计能力与个人贡献的真实性第 13 题请谈谈你对大模型的了解以及你对大模型技术发展趋势的看法。 考察对大模型技术的认知深度、行业理解及个人见解第 14 题请谈谈你对大模型（AI/LLM）技术的理解。 考察对大模型核心原理、能力特点、局限性和应用前景的整体认知第 15 题请介绍KV Cache的原理及其在推理过程中的作用，并谈谈常见的优化和压缩方法。 考察对大模型推理KV Cache机制的理解及优化方案的设计能力第 16 题优化大模型的指令跟随能力与推理能力，哪个挑战更大？各自的关键难点是什么？ 考察对LLM能力维度的理解深度与对比分析第 17 题请介绍你进行大模型微调的整体流程，包括数据准备、训练策略和效果评估。 考察大模型微调的实际操作经验与关键环节把控第 18 题对于大模型落地某个具体任务，优化有哪些方向？ 考察大模型落地任务时的综合优化思路与系统性第 19 题在你使用LLM解决该分类问题的场景中，相比传统分类模型，它的优势具体体现在哪里？ 考察对LLM相对传统分类模型优势的理解深度第 20 题微调和RAG的优劣势分别是什么 考察对大语言模型应用中微调与RAG两种主流方法的技术理解与适用场景判断