京东面试题 · 技术原理 · LLM
京东相关面试题，按最终去重题目聚合。
共 2550 道真题 · 当前筛选命中 12 道 · 更新 2026-08-05
筛选题目已选：技术原理 · LLM
考察点
技术栈
第 1 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 2 题常见的大模型，或者说VLM（视觉语言模型）这块的模型，了解过哪些？ 考察对大模型和视觉语言模型生态的广度认知与理解深度第 3 题请谈谈你对大模型技术的了解和应用经验。 考察对大模型基础知识的掌握及实际应用能力第 4 题项目中的OCR是怎么做的，为什么选择用大模型来做？ 考察OCR技术方案的设计理解与选型判断第 5 题如何设计一个高质量的Prompt来引导大语言模型完成指定任务？ 考察对大模型Prompt设计原则、结构化和迭代优化的理解第 6 题请谈谈你对AI Agent与大模型技术的理解，以及你在这方面的实践经验。 考察对AI Agent、大模型基础原理的认知深度，以及实际项目经验第 7 题你用过哪些大模型微调方式？请简述 LoRA 微调的原理。 考察对大模型微调方法的熟悉程度及对 LoRA 核心机制的理解第 8 题在微调大语言模型时，如何选择合适的损失函数？ 考察对微调任务类型与损失函数匹配的理解第 9 题在大语言模型应用开发中，为什么需要对预训练生成模型进行微调？如果不对模型做微调，多大的模型能够直接满足业务需求？ 考察对微调必要性、任务适配与模型规模选择的理解第 10 题在DPO训练中，你遇到过不收敛的问题吗？如何排查和解决？ 考察DPO训练不收敛的排查思路与解决能力第 11 题请介绍MLA（Multi-head Latent Attention）及其与KV Cache的关系。 考察对大模型注意力机制优化和推理缓存机制的理解第 12 题在LLM训练中，你是如何构造数据集来训练奖励模型或使用DPO的？ 考察数据集构造方法及其对训练稳定性的影响