人工智能面试题 · 问题拆解
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 3299 道 · 更新 2026-08-05
筛选题目已选：问题拆解
考察点
技术栈
第 81 题梯度消失的原因和解决办法 考察对深度网络梯度消失机理及常用对策的理解第 82 题请介绍一下你参加汇川杯大赛的情况。 考察项目经历的真实性与技术能力第 83 题项目细节：你们是怎么把 text 和 image 进行对齐的？介绍一下 alignment 的实现。 考察多模态对齐方案的设计思路、技术细节与实现难点第 84 题请解释mini batch和global batch的含义。 考察分布式训练中批次概念的理解第 85 题给定一个先严格递增后严格递减的整数数组，请找出其中的最大值。多数情况下使用什么算法，时间复杂度是多少？ 考察对特殊形态数组的二分查找能力与时间复杂度分析第 86 题请简要介绍Transformer的基本结构，并说明它相比传统RNN的优势。 考察对Transformer架构和序列建模演进的理解第 87 题手撕代码：计算两个旋转框的IOU，给定参数格式为box1 = [xmin1, ymin1, xmax1, ymax1, theta1]、box2 = [xmin2, ymin2, xmax2, ymax2, theta2] 考察旋转框IOU计算的算法实现与几何处理能力第 88 题有没有考虑做数据增广，有哪些数据增广的方式？ 考察对数据增广技术体系的理解与实际应用能力第 89 题在项目里，为了保证大模型输出稳定的 JSON 格式，你做了哪些工作？ 考察对 LLM 输出结构化约束的理解、工程实践与鲁棒性处理第 90 题请讲解所用算法的基本原理，并说明其控制论视角。 考察算法原理深度与控制论关联理解第 91 题请介绍几种常用的损失函数，并说明它们各自适用的场景。 考察对损失函数原理、适用场景及选择权衡的理解第 92 题请简述特征的维度和模型的具体参数是如何确定的？ 考察特征工程和模型参数设定的合理性与可解释性第 93 题了解强化学习吗，跟 SFT 有什么区别？ 考察对强化学习与监督微调的概念理解及在模型训练中的定位第 94 题向量召回、关键词召回、实体召回等不同召回链路的结果如何合并，哪一个优先级更高？ 考察多路召回结果融合的工程实践与优先级设定逻辑第 95 题请解释 LoRA（低秩适配）微调的核心原理。 考察对 LoRA 原理的理解及其在深度学习微调中的应用第 96 题请详细讲解你的虚拟试衣和人体姿态驱动生成项目，重点说明你在其中承担的核心工作与算法贡献。 考察候选人能否清晰概括复杂技术项目中的个人职责与核心技术点第 97 题请谈谈你对数据清洗的理解，以及你在项目中是如何开展数据清洗的？ 考察对数据清洗概念的理解及实际应用能力第 98 题在进行多标签文本分类时，如何选择合适的大模型，并设计损失函数？ 考察多标签分类任务下的模型选型与损失函数设计能力第 99 题请简要介绍 DeepSpeed 及其主要功能。 考察对分布式训练框架 DeepSpeed 的理解和表述能力第 100 题大模型能力不足在数据层面通常由哪些问题导致？ 考察对训练数据质量与模型能力关系的基本理解