人工智能面试题 · 问题拆解 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 72 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · LLM
考察点
技术栈
第 41 题为什么现在大家都在关注大模型的推理能力（Reasoning）？ 考察对大模型技术趋势、推理能力价值和应用场景的理解第 42 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 43 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解第 44 题大模型智能体是怎么工作的，包含哪些核心组件？ 考察对大模型智能体架构、工作流程和关键组件的理解第 45 题大模型存在哪些问题，如何解决？ 考察对大模型核心局限性的认知及对应解决思路第 46 题有没有了解Agent和RAG，请解释一下它们的原理。 考察对Agent与RAG技术原理的理解深度和准确性第 47 题请分享你在大语言模型有监督微调（SFT）中的调参经验，重点说明关键超参数的选择依据和调整方法。 考察对大模型SFT关键超参数的理解、实践经验与调参方法论第 48 题大模型工具调用的实现方式 考察对大模型工具调用机制和实现细节的理解第 49 题请说明大语言模型预训练的基本流程，包括输入数据的构成和训练方式。 考察对大模型预训练流程、输入格式和训练目标的理解第 50 题请描述你如何进行大模型监督微调（SFT）的完整流程。 考察对大模型监督微调流程、数据构造和训练细节的理解第 51 题LLM中常用的激活函数有哪些？ 考察对主流大语言模型架构中激活函数选型的理解第 52 题请解释什么是思维树（Tree of Thoughts，ToT）。 考察对ToT这一大模型推理框架的理解与表达准确性第 53 题你提到大模型推理速度慢，请分析一下推理慢的主要原因。 考察对大模型推理性能瓶颈的理解和系统性分析能力第 54 题请阐述大模型的幻觉现象，并说明有哪些抑制方法。 考察对大模型幻觉机制的理解及主流缓解策略的掌握第 55 题请解析RLHF（基于人类反馈的强化学习）的对齐流程，并说明各步骤的作用。 考察对RLHF核心流程的理解及其在模型对齐中的作用第 56 题对比Zero-Shot、Few-Shot和In-Context Learning，它们在大语言模型中的应用场景和局限性分别是什么？ 考察对大语言模型提示范式差异的理解及实际取舍第 57 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 58 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 59 题手撕 RoPE：对比 llama GitHub 源码中 rope 介绍与你的实现，说明区别和改进点。 考察对旋转位置编码原理与源码理解的一致性及细节掌握第 60 题有没有大模型相关的微调经验？ 考察大模型微调的实践经历、方法掌握和工程落地能力