百度面试题 · 方案权衡 · 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 17 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · LLM
考察点
技术栈
第 1 题这些大模型在结构上有哪些主要差异？ 考察对Transformer架构演化及模型结构差异的理解深度第 2 题用大模型对 item 做语义 Embedding 有什么缺点？ 考察对大规模语义向量化方案的局限性和工程权衡的理解第 3 题如何解决大模型的灾难性遗忘问题？ 考察对灾难性遗忘解决策略的知识广度与实现认知第 4 题百度为何要推进AI重构搜索？AI重构的具体路径有哪些？ 考察对搜索产品演进、AI技术应用和商业动机的综合理解第 5 题有没有研究过大模型上下文的工作，比如推理加速或长上下文扩展？ 考察对大模型上下文处理技术的研究深度与应用理解第 6 题大模型常用的位置编码有哪些？各自的优缺点是什么？ 考察对位置编码机制的理解、对比与适用场景判断第 7 题请从业务角度分析大模型产品在多模态交互场景下的市场机会（如生物医学领域），并提出一个前瞻性定位策略。 考察对多模态大模型市场机会的判断能力与前瞻性商业定位思维第 8 题大模型有哪些位置编码，RoPE 的优势是什么？ 考察位置编码的演进理解与旋转位置编码的数学机制及优势第 9 题请解释RAG（检索增强生成）技术的原理，以及它解决了什么问题。 考察对RAG核心机制的理解及其针对大模型痛点的价值第 10 题怎么解决大模型幻觉？ 考察对大模型幻觉成因、检测与缓解手段的系统理解第 11 题什么是大模型的幻觉，如何减轻幻觉问题？ 考察对大模型幻觉概念的理解与工程化缓解手段第 12 题一个用户搜索“周末去北京哪里玩”。传统的搜索会返回一个视频列表。如果由你来设计,你会如何利用AI大模型的能力,为这个用户提供一个“革命性的、而非“改良性”的搜索体验? 考察对AI大模型赋能搜索产品进行颠覆性创新的设计与表达能力第 13 题使用大模型生成广告素材时，如何满足深度合成内容标识与可追溯要求，并建立品牌安全与误触发白名单机制？ 考察对生成内容合规标识与品牌安全机制的完整设计能力第 14 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 15 题请说明如何为一个需要持续优化的大模型产品项目（例如根据行业动态迭代）提出并实施前瞻性改进方案。 考察对持续改进项目的规划能力、前瞻性判断和实施路径设计第 16 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第 17 题假设您负责监控AI大模型行业的趋势（如2025年AI Agent的重塑应用形态），请说明如何将这些趋势转化为产品优化依据，并评估潜在商业影响。 考察将行业技术趋势转化为产品策略与商业评估的整体思维框架