小红书面试题 · LLM
小红书相关面试题，按最终去重题目聚合。
共 2200 道真题 · 当前筛选命中 18 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 1 题请说明RAG（检索增强生成）的核心原理和标准流程。 考察对RAG原理、流程与组件的理解深度第 2 题在微调 LLM 时，不同类别的训练数据配比是如何设置的？对效果有何影响？ 考察数据配比设计与调优能力第 3 题请结合你在实际项目中的经历，说明你是如何设计和实现RAG系统的，遇到了哪些问题以及如何解决。 考察RAG落地能力、项目实践细节与问题解决思路第 4 题大模型输出前后不一致怎么办，如何确保大模型输出内容的一致性？ 考察对大模型生成随机性与输出一致性控制方法的理解第 5 题请介绍ReAct架构的核心思想及其应用价值。 考察对ReAct架构原理与价值的理解第 6 题在大模型B端应用运营中，如果客户反馈模型响应速度慢影响效率，您会如何从运营角度推动优化？请构建一个完整的项目计划。 考察运营视角下识别性能问题、跨团队协作推动优化及项目管理能力第 7 题如何优化意图识别模型中大语言模型的输出格式不稳定问题？ 考察对LLM输出格式控制方法的理解及工程实践第 8 题请介绍你的项目中 LLM 微调的整体流程和方法。 考察对 LLM 微调流程的理解与项目实践第 9 题如何确保大模型输出内容的一致性？ 考察对大模型输出不稳定性来源的理解以及系统层面的一致性保障手段第 10 题描述一个您参与过的市场调研项目，在大模型应用场景下，如何收集用户反馈并分析以优化产品体验？重点强调对大模型prompt优化的应用。 考察市场调研方法论、用户反馈收集分析及大模型prompt优化在产品体验中的应用第 11 题假设负责管理大模型应用的用户社区，您如何制定策略提升满意度和参与度？重点考虑AI智能客服的整合。 考察社区运营策略设计与AI客服整合能力第 12 题你微调 LLM 时的训练数据量大概是多少？如何确定这个量级？ 考察对数据规模影响微调效果的理解第 13 题请阐述大模型的幻觉现象，并说明有哪些抑制方法。 考察对大模型幻觉机制的理解及主流缓解策略的掌握第 14 题假设您负责推广一款基于大模型的C端内容生成工具，在小红书平台上如何制定推广策略以提升用户从认知到购买的转化率？请结合AIPS模型（认知、兴趣、深度兴趣、购买和分享）阐述您的计划。 考察基于营销模型制定推广策略的能力，以及将用户行为漏斗转化为具体运营动作的思维第 15 题如何防止客服对话场景中的大语言模型出现串台问题？ 考察对 LLM 多轮对话中上下文隔离与记忆管理的能力第 16 题请介绍你对AI Agent及底层技术架构的理解，并说明它们如何支撑实际业务应用。 考察对AI Agent概念、底层技术栈及业务落地价值的综合理解第 17 题怎么解决LLM幻觉问题？ 考察对大模型幻觉成因及系统性缓解策略的理解第 18 题在设计大模型 Agent 时，工具集应采用动态加载还是静态加载？请说明各自适用场景、优缺点及你的选择依据。 考察对大模型 Agent 工具管理机制的理解与设计权衡能力