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 21 题辅助损失函数可能导致噪声拟合，如何避免这种情况？ 考察对辅助损失作用机制的理解及正则化与调参策略第 22 题MLP和DNN的区别是什么？ 考察对神经网络基础概念的准确理解与术语辨析能力第 23 题图像退化方式通常有哪些？如何影响画质增强方案设计？ 考察对图像退化模型的理解及对算法设计的影响第 24 题针对二叉树的搜索，什么情况下适合选择哪种搜索方法？请具体说明。 考察二叉树遍历与搜索策略的选择及适用条件第 25 题LLAMA 和 ChatGLM 的区别是什么？ 考察对大模型架构、训练目标和适用场景的对比理解第 26 题请介绍一篇你最近阅读的论文，并说明它对你有何启发。 考察持续学习习惯、信息摄取能力与技术视野第 27 题请介绍常用的语料质量过滤方法及其适用场景。 考察对语料清洗技术的掌握与场景适配能力第 28 题你是否了解 QLoRA？具体来说，它是如何进行量化的？ 考察对 QLoRA 量化机制和低资源微调原理的理解第 29 题请讲解ROS的通信机制及其底层实现原理。 考察对ROS核心通信模型和底层实现的理解第 30 题从算法原理和训练资源角度，解释 GRPO 相比 PPO 在哪些方面节省了计算资源，以及它为何可能成为业界更受青睐的强化学习训练方法？ 考察对 GRPO 算法原理及资源优化的理解第 31 题请介绍一些具有旋转不变性的图像处理或特征提取算法，并说明其原理和应用场景。 考察图像算法中旋转不变性的理解与代表性方法第 32 题请介绍你了解的 QWQ 模型，包括其架构特点、适用场景和局限性。 考察对大语言模型发展动态的了解深度与批判性思维第 33 题请说明使用 TensorRT 进行模型部署的主要步骤和编写要点 考察对 TensorRT 部署流程的理解和实际工程经验第 34 题在蒸馏微调过程中，你是只使用了数据集中的硬标签，还是也利用了教师模型的 logits 软标签？两种方式的优缺点是什么？ 考察对软标签蒸馏与硬标签训练差异的理解第 35 题是否了解 QLoRA？ 考察对大模型参数高效微调方法的原理与工程认知第 36 题请介绍你在项目中具体使用了Qwen模型的哪些结构，以及这些结构是如何支撑你的业务需求的？ 考察候选人对大型语言模型结构的实际理解与应用能力第 37 题在自动驾驶或机器人系统中，如何确定轨迹规划和地图的覆盖范围？ 考察对轨迹规划与地图范围匹配关系的理解及系统设计能力第 38 题请介绍MMoE模型的工作原理，并说明专家同质化问题及其常见解决方案。 考察多任务学习模型MMoE的结构理解与专家同质化问题的识别和解决能力第 39 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 40 题常用的文本向量化模型有哪些？请列举并简要说明适用场景。 考察对文本嵌入模型及其应用场景的掌握