人工智能面试题 · 技术原理
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 8649 道 · 更新 2026-08-05
筛选题目已选：技术原理
考察点
技术栈
第 1 题请解释什么是 AUC？ 考察对 AUC 概念、计算逻辑及意义的理解第 2 题请实现括号生成算法：给定 n 对括号，生成所有可能的且正确的括号组合。 考察递归回溯与剪枝能力，以及对括号有效性的理解第 3 题讲一下 DeepSeek R1，推理模型怎样训练 考察对大模型推理能力训练方法（强化学习、冷启动、拒绝采样等）的理解第 4 题写出注意力公式，并简要解释每个符号的含义 考察对注意力机制数学表达式的掌握程度第 5 题为什么要使用重要性采样？请解释其原理和典型应用场景。 考察对重要性采样原理的理解及其在机器人学或状态估计中的应用第 6 题为什么需要多层CGC？其目的是什么？ 考察对CGC多层结构设计动机和作用的深入理解第 7 题如何判断两个BoundingBox是否相交？请手写代码。 考察几何计算、边界条件处理与代码实现能力第 8 题什么是梯度爆炸？ 考察对深度学习中梯度爆炸现象及应对方法的理解第 9 题在模型结构层面，Qwen（例如 Qwen2）与 DeepSeek（如 DeepSeek-V2）的主要区别有哪些？ 考察对不同架构创新（如 MLA、MoE）的理解和比较能力第 10 题请谈谈大型语言模型目前存在的主要不足或局限性，并说明可能的解决方向。 考察对大模型技术局限性的理解深度和系统化认知第 11 题在 DeepSpeed 的 ZeRO 优化中，ZeRO-3 相对于 ZeRO-0 和 ZeRO-2 的通信量大约增加多少？ 考察对 ZeRO 不同阶段通信开销差异的理解第 12 题在机器学习或专家系统中，将特征空间划分为专家子空间并分别建模，有时反而效果不佳。请分析可能的原因有哪些？ 考察对专家子空间划分方法局限性的理解及问题诊断能力第 13 题训练LoRA时会调整哪些参数？你有哪些调参经验？ 考察对LoRA训练关键超参数的理解与实际调参经验第 14 题推导并计算多头注意力机制的时间与空间复杂度 考察对Transformer注意力机制计算复杂度的理解与推导能力第 15 题Python全局锁是什么？ 考察Python GIL的基本概念、作用范围及影响第 16 题Self-Attention和Cross-Attention分别介绍有什么异同，Transformer的encoder和decoder都用了什么？ 考察对Transformer注意力机制原理及编码器解码器架构细节的理解第 17 题详细讲讲L1正则化和L2正则化 考察对正则化原理、区别及适用场景的理解第 18 题在Agent系统中，主Agent通常会规划哪些工具调用？请举例说明。 考察对Agent工具调用规划机制的理解与表达能力第 19 题介绍一下LoRA微调。 考察对LoRA原理、机制和应用场景的理解第 20 题在标准Transformer架构中，哪个模块的计算量最大？ 考察对Transformer组件计算复杂度的理解