科大讯飞面试题 · LLM
科大讯飞相关面试题，按最终去重题目聚合。
共 1976 道真题 · 当前筛选命中 17 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 1 题请谈谈你在大模型或AI工具方面的使用经验，以及你对大模型技术的理解。 考察候选人对AI工具的实际应用能力及对大模型核心原理的理解深度第 2 题在LLM训练中，为什么要先进行SFT微调，再进行RL（如RLHF）对齐？ 考察对SFT与RL阶段作用与先后次序的深入理解第 3 题大模型为什么会出现重复输出或不能停止的现象？ 考察对解码策略与生成失控原因的技术理解第 4 题Zero Shot和Few Shot的区别是什么？ 考察对LLM提示学习与上下文学习机制的理解第 5 题请谈谈你参与过的多个大模型相关项目中，它们之间存在哪些共性或相通之处？ 考察候选人对大模型项目经验的归纳总结与知识迁移能力第 6 题针对大模型重复输出或不能停止的问题，可以从哪些方面进行解决？ 考察系统化解决方案的设计与权衡能力第 7 题请介绍大模型微调的主要方法，重点说明 LoRA 的原理、需要调整的参数、适用的任务以及常用的预训练基座模型。 考察对大模型微调方法体系的理解和 LoRA 技术的掌握深度第 8 题如何评估大模型回答的效果？ 考察对大模型评估方法论、指标和实际应用的理解第 9 题请介绍你对RAG（检索增强生成）的理解，以及你在项目中如何设计和落地一个RAG系统？ 考察对大模型应用架构（RAG）的理解深度与实际落地能力第 10 题大模型幻觉出现的原因有哪些？有什么解决方法？ 考察对大模型幻觉成因的理解及工程化解法第 11 题请谈谈你对大语言模型（LLM）的基本原理、典型应用和局限性的理解。 考察对大模型基础知识的掌握深度、应用场景认知及风险意识第 12 题请描述大模型训练的一般完整流程。 考察对LLM训练管线各阶段的整体认知第 13 题能够保证大模型两次输出的结果一样吗？为什么？ 考察对生成式模型随机性与可控性的理解第 14 题请概述大语言模型强化学习的关键发展阶段及各自的核心技术思想。 考察对LLM强化学习演进脉络的理解与表述能力第 15 题请分析大模型幻觉产生的主要原因，并简述如何通过技术手段缓解幻觉现象。 考察对大模型幻觉成因的理解及缓解方法的掌握第 16 题你之前实习中做过竞品分析，那么如何对大模型的特定功能进行竞品分析？ 考察对大模型功能竞品分析的框架、方法与深度第 17 题在使用大模型生成代码的过程中，你遇到了哪些挑战和阻塞点？在工程化方面是如何解决的？ 考察大模型辅助编码的实际应用、问题识别与工程化解决能力