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 21 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 22 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 23 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 24 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 25 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 26 题在实际项目中，你们选择微调大模型还是调用大模型API时，是如何评估计算成本和必要性的？ 考察大模型技术选型时对成本与收益的权衡能力第 27 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 28 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 29 题如果不扩充知识库/知识点，你还有哪些方法可以降低幻觉率？ 考察除RAG之外的其他幻觉缓解手段与思考深度第 30 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 31 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 32 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第 33 题请谈谈你对多模态和大模型技术的了解。 考察对多模态与大模型基础概念的掌握及技术理解深度第 34 题如果将LLM推理效率优化后的方案部署到在线服务，你会如何解决线上环境特有的性能问题？ 考察将离线优化迁移到在线推理系统时的工程化与性能调优能力第 35 题请谈谈你对AI产品与大语言模型（LLM）核心能力的理解，以及它们在典型应用中的价值边界。 考察对AI/LLM基本原理、能力边界及产品化价值的认知第 36 题大模型擅长做什么、不擅长做什么？ 考察对大模型能力边界和局限性的理解第 37 题在设计一个基于大语言模型的 Agent 时，你认为主要的技术难点有哪些？ 考察对 Agent 系统核心挑战的理解与结构化分析能力第 38 题在大模型优化中，常用的算法有哪些？请举例说明。 考察对大模型优化算法的了解与应用第 39 题LLM和NLP有什么关系？ 考察对LLM与NLP学科基础和演进关系的理解