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 21 题为什么通常采用LLM最后一层隐藏状态做pooling？ 考察对语言模型表征生成机制的理解及其在下游任务中的应用第 22 题请解释什么是大语言模型的“涌现能力”。 考察对大语言模型涌现能力概念的理解第 23 题对比Zero-Shot、Few-Shot和In-Context Learning，它们在大语言模型中的应用场景和局限性分别是什么？ 考察对大语言模型提示范式差异的理解及实际取舍第 24 题多模态大模型训练时，是只训练LLM部分，还是与ViT图像编码模块一起训练？ 考察对多模态模型训练策略、参数冻结与联合训练原理的理解第 25 题请介绍一下你对大型语言模型微调（Fine-tuning）的理解，包括其目的、常用方法以及适用场景。 考察对模型微调技术原理、常用方法的掌握及场景判断能力第 26 题最近大模型的落地应用哪些让你印象深刻？ 考察对大模型实际应用案例的关注、洞察及技术理解深度第 27 题LLM学习到的表征怎么跟推荐任务对齐？ 考察对LLM与推荐系统结合时表征对齐的理解和方案设计第 28 题你对AI技术（如大模型、多模态）的发展有哪些看法？ 考察对AI技术趋势的理解和行业认知深度第 29 题你了解大模型的基本原理和应用场景吗？ 考察对大模型技术的认知深度与广度第 30 题请谈谈你对大模型Agent的理解，包括其核心组成和典型应用场景。 考察对大模型Agent概念、架构组成及实际应用的掌握程度第 31 题比较BPE、WordPiece和Unigram等主流分词算法的主要差异。 考察对不同分词算法的原理和适用场景的理解第 32 题你认为使用提示词（Prompt）有门槛吗？门槛体现在哪些方面？ 考察对提示词工程本质的理解及对使用者能力要求的认知第 33 题大语言模型的长文本处理能力有限，目前有哪些技术可以缓解这一问题？ 考察对长上下文处理技术的了解、原理理解及权衡意识第 34 题你了解大模型吗？实习中有哪些使用经历？ 考察对大模型技术的基本认知与实习中实际应用经验第 35 题有哪些缓解大语言模型幻觉的工程方法？ 考察针对幻觉问题的实际解决手段与权衡第 36 题在规划产品迭代路线图时，你如何评估并融入新兴AI技术（如大型语言模型LLM）到智能体生态中？ 考察AI技术选型、产品规划与生态整合能力第 37 题请分享你在大语言模型有监督微调（SFT）中的调参经验，重点说明关键超参数的选择依据和调整方法。 考察对大模型SFT关键超参数的理解、实践经验与调参方法论第 38 题怎么缓解大模型的幻觉问题？ 考察对大模型幻觉成因和缓解方法的理解第 39 题请描述LLM与外部工具配合调用的整体流程。 考察对LLM工具调用机制和协同流程的理解第 40 题当使用不常见语言或领域术语时,分词效果不佳如何应对? 考察对分词局限性的理解及实际处理策略