美团面试题 · 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 39 道 · 更新 2026-08-05
筛选题目已选：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 题你日常学习、工作或生活中用过哪些大模型工具？ 考察候选人对大模型工具的实际使用广度与真实性第 6 题在内部技术选型中，你们是如何评估并确定使用某款大模型而非其他备选方案的？ 考察技术选型的评估流程、决策依据和开放性第 7 题在这些大模型工具中，你觉得哪一个更好，为什么？ 考察候选人的工具评估能力与判断依据第 8 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 9 题使用垂类大模型主要解决什么问题？相比通用大模型有何优势？ 考察对垂类大模型价值定位与场景适配的理解第 10 题如何降低大模型AI幻觉率？请给出具体可落地的方案。 考察对幻觉缓解方法的体系化理解与工程落地能力第 11 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 12 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 13 题什么是AI幻觉？在实际应用中如何降低大模型产生幻觉的风险？ 考察对AI幻觉成因的认知及应对策略第 14 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 15 题你们的大模型是从零训练还是基于开源模型微调的？请说明选型理由。 考察对模型选型、训练成本与效果平衡的理解第 16 题在模型微调或训练过程中，你们如何评估效果并迭代优化？ 考察训练评估闭环与迭代优化能力第 17 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 18 题如何设计并实现一个基于大模型的 Agent 架构？请说明各模块的作用和关键设计点。 考察 Agent 架构设计能力与工程实现细节第 19 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 20 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解