百度面试题 · 技术原理 · LLM
百度相关面试题，按最终去重题目聚合。
共 3071 道真题 · 当前筛选命中 30 道 · 更新 2026-08-05
筛选题目已选：技术原理 · LLM
考察点
技术栈
第 21 题大模型智能体(Agent)的工作原理和组成部分 考察对大模型智能体架构、核心组件及其协作机制的理解第 22 题请介绍你对Qwen3模型的了解，包括它的技术特点和应用场景。 考察候选人对前沿模型的技术了解与知识广度第 23 题你了解或使用过哪些主流大语言模型？ 考察对大语言模型生态的广度认知与主动了解程度第 24 题减少大模型幻觉，你用过哪些方法？ 考察对幻觉成因的理解及系统性缓解方法第 25 题在大语言模型应用中，如何减少或避免幻觉现象？ 考察对幻觉成因和缓解方法的理解第 26 题在构建或使用Agent系统时，如果遇到Agent幻觉编造出不存在的工具或函数，你通常如何定位和解决这类问题？ 考察对LLM Agent工具调用幻觉的识别、排查与防范能力第 27 题请概述一篇你熟悉的大模型相关论文，包括其核心任务、使用的数据集以及评估指标。 考察对大模型研究的理解深度及信息提炼能力第 28 题拆解大模型智能体(Agent)的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。 考察对大模型智能体核心模块及其协作机制的理解第 29 题请解释大模型幻觉问题，并说明常见的缓解策略。 考察对大模型幻觉现象的成因理解与工程应对能力第 30 题请从技术角度分析大模型（如ERNIE模型）在代码生成场景下的应用优势，并提出一个优化策略以解决复杂问题。 考察对LLM代码生成技术原理的理解及优化方法