人工智能面试题 · 数据驱动
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 497 道 · 更新 2026-08-05
筛选题目已选：数据驱动
考察点
技术栈
第 1 题SFT训练数据是如何构造的，其中的思维链（CoT）是如何编写的？ 考察对大规模语言模型监督微调数据构造方法与思维链标注实践的理解第 2 题你负责的模型上线后，下游业务的指标提升情况如何？ 考察数据驱动评估模型业务价值的闭环能力第 3 题请介绍你论文中成像结果的评价指标，并解释为什么选择这些指标。 考察对实验结果评估的严谨性和指标选择的理解第 4 题如何评测RAG系统的准确率？ 考察生成式检索增强系统的评测指标与评测方法论第 5 题当用户投诉大模型输出质量差时，你会从哪些方向进行改进？ 考察对大模型质量问题的系统定位与改进思路第 6 题训练数据中存在噪声时可能引发模型幻觉，针对这一问题你会采取哪些处理措施？ 考察对训练数据噪声影响模型幻觉的识别与处理能力第 7 题请说明如何为排序模型构造训练数据。 考察排序模型训练数据的来源、标注与特征构建方法第 8 题两个相互独立的预测器分别预测明天涨跌，其正确率均为 0.7。今天两者都预测明天上涨，若给定先验概率 P(明天上涨)=0.5，求明天上涨的后验概率。 考察条件独立、贝叶斯定理及实际预测场景中的概率建模能力第 9 题SFT数据集为什么要进行数据清洗与均衡采样？ 考察对数据清洗与均衡采样作用的理解第 10 题如何评估算法效果？ 考察算法评估指标选择、实验设计与结果解读能力第 11 题请介绍你的项目中数据是如何收集的，以及使用了哪些网络结构或模型？ 考察数据处理流程与技术选型理解第 12 题如何评估 SFT（监督微调）相对其他微调方式的效果？ 考察对监督微调原理、适用场景及效果评估方法的理解第 13 题在二分类中，负样本远多于正样本时，对AUC值有何影响？ 考察AUC对样本不平衡的鲁棒性理解第 14 题请描述你负责的一个推荐算法优化案例，从问题定义、数据理解到方案实施和效果评估的完整过程。 考察候选人对推荐系统优化流程的完整性、方法论和效果评估能力第 15 题LightGBM精排环节的特征提取了什么，如何评估特征重要性？ 考察对LightGBM特征工程与特征重要性评估方法的理解第 16 题在用户分层任务中，如何确保分层结果的准确性？如果使用大模型进行分层，为什么没有尝试更大的模型？ 考察对机器学习模型评估、误差分析及模型规模权衡的理解第 17 题介绍一下AUC的物理含义和计算方法 考察对AUC指标本质的理解和计算能力第 18 题请详细介绍你简历上的一段实习或参与过的项目，包括数据处理流程、模型效果评估方法以及你的心得体会。 考察对项目细节的深入理解、数据处理与模型评估能力，以及复盘总结能力第 19 题是否有成熟的评价体系衡量召回质量？ 考察对召回评估指标与体系的理解及实际应用能力第 20 题请说明你项目中数据集的配比是如何确定的？ 考察数据配比策略、质量平衡与训练效果评估