美团面试题 · 技术原理 · LLM
美团相关面试题，按最终去重题目聚合。
共 3614 道真题 · 当前筛选命中 26 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 题怎么把上下文传给大模型？ 考察对大模型交互方式、上下文管理与技术实现的理解第 2 题你了解大模型在推荐系统中的哪些应用？ 考察对大模型与推荐系统结合的技术理解与知识广度第 3 题大语言模型的损失函数通常是什么？给定一个10万词表的词汇表，如何计算其损失值？ 考察对语言模型训练目标的理解及交叉熵损失的计算能力第 4 题请介绍对编码模型（如代码生成模型）的了解，包括原理和优缺点。 考察对代码生成模型原理及局限的认知第 5 题你对大模型的基础原理（如 Transformer、预训练与微调）有哪些了解？ 考察对大模型核心概念的理解深度第 6 题请结合你的实际经验，说明大语言模型通常适合解决哪类问题，并举例说明不适合的场景。 考察对大模型能力边界的理解与场景选择能力第 7 题你理解大模型出现幻觉的原因是什么？ 考察对大模型幻觉机制的理解及分析深度第 8 题请分别说明大模型训练和推理阶段的主要性能优化手段。 考察对大模型训练与推理性能优化的系统理解与工程实践第 9 题若你参与过大模型的本地化部署，请对比本地部署与Web API、人工处理在数据处理结果上的差异。 考察对模型部署方式、结果质量与适用场景的理解及经验第 10 题你如何训练一个垂类大模型？请说明从数据准备到训练完成的关键流程。 考察垂类大模型训练流程的完整理解第 11 题做完 SFT 后为什么还要做 RLHF？请明确说明 RLHF 能实现哪些 SFT 做不到的效果。 考察对 LLM 对齐流程中 SFT 与 RLHF 差异的理解第 12 题在大模型推理阶段，KV Cache 的作用是什么？ 考察对大模型推理中缓存机制原理和性能影响的理解第 13 题如何理解AI幻觉问题？ 考察对AI幻觉现象本质、成因和类型的基本认知第 14 题请概述大模型后训练的典型流程，并说明各阶段的作用与相互关系。 考察对大模型后训练整体流程及各阶段目标的理解第 15 题请解释什么是模型蒸馏，以及它在大模型应用中的作用。 考察对模型蒸馏概念与应用价值的理解第 16 题当大模型微调后效果不理想时，你会如何系统分析并定位问题？ 考察对微调全流程的理解、问题定位方法和系统化排错能力第 17 题手撕 RoPE：对比 llama GitHub 源码中 rope 介绍与你的实现，说明区别和改进点。 考察对旋转位置编码原理与源码理解的一致性及细节掌握第 18 题大模型SFT(监督微调)解决不了业务问题吗?为什么还要引入强化学习。强化学习主要解决业务中的什么问题 考察对SFT与强化学习在大模型训练中分工及业务价值差异的理解第 19 题大模型SFT解决不了业务问题吗？为什么还要引入强化学习？强化学习主要解决业务中的什么问题？ 考察对SFT与强化学习在大模型训练中定位差异的理解，及强化学习针对的业务目标第 20 题请介绍你对 DAPO 的了解，并阐述它的主要创新点。 考察对 DAPO 算法原理与创新点的理解深度