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 81 题介绍一下如何进行模型压缩 考察对模型压缩主要技术路线及适用场景的理解第 82 题在做多模态融合时，有没有做过视觉与文本之间的对齐任务？你是怎么做的？ 考察多模态对齐方法的理解、实践经验与方案设计能力第 83 题请分别讲解 Dense 模型与 MoE 模型的结构原理，并说明二者的主要区别。 考察对两种神经网络架构原理的理解与对比能力第 84 题你了解哪些多目标融合的算法？请举例说明其原理和适用场景。 考察多目标优化与融合算法的原理认知和场景匹配能力第 85 题对于一个BERT模型，假设序列长度为n、隐藏维度为d、层数为l，如何计算其总参数量？请给出估算公式。 考察对Transformer/BERT模型结构的理解及参数量估算能力第 86 题DCN交叉是怎么做的，DCN v2对DCN的改进是什么，带来了怎样的提升？ 考察对推荐系统特征交叉网络（DCN）原理及其演进的理解第 87 题介绍主流的BEV算法，说明自顶向下与自底向上方案的区别。 考察对BEV感知算法分类及设计思路的掌握第 88 题判断链表是否有环的两种方法分别是什么？各自的优势和劣势是什么？ 考察链表环检测算法及其复杂度与适用场景第 89 题请说明RQ-VAE训练时的损失函数组成及其作用。 考察对RQ-VAE模型训练目标的理解第 90 题实现一个循环链表，支持插入、删除和遍历操作。 考察链表基本操作与循环链表边界处理能力第 91 题训练时 loss 一直不收敛，你会怎么排查？ 考察模型训练问题排查的系统性与对常见收敛失败原因的理解第 92 题请描述非极大值抑制（NMS）的处理过程，并说明其作用。 考察对目标检测后处理中NMS流程的理解及参数影响第 93 题请详细介绍你在实习中参与的继续预训练、SFT和DPO的完整流程，包括数据准备、模型训练和评估环节。 考察对大模型训练流程的实际理解和操作细节第 94 题介绍一下你对推荐系统的认识。 考察对推荐系统整体架构、核心算法和业务价值的理解第 95 题你在项目开发中使用了哪些 C++11 新特性？请举例说明它们的适用场景和带来的价值。 考察 C++11 新特性的掌握程度、实际应用能力与场景判断第 96 题请介绍 Reward Hacking 的概念、产生原因及应对策略。 考察对强化学习中奖励设计偏差的理解与风险识别能力第 97 题LoRA的原理是什么？如何初始化A、B矩阵？为什么这样初始化？ 考察对LoRA低秩适配原理的理解及初始化细节的掌握第 98 题在 Linux 中如何查看当前所在路径？ 考察 pwd 指令的基本使用与路径概念第 99 题请列举你熟悉的排序算法，并分析它们的时间复杂度、空间复杂度和适用场景。 考察对排序算法基础知识的掌握以及比较和选型能力第 100 题请手写代码实现最长回文子串的求解，要求说明算法思路和复杂度分析。 考察字符串处理、动态规划或中心扩展算法的实现能力