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 121 题为什么只做了文本级别的F1，没有做节点级别的测评？ 考察对NLP评测指标层次选择的理解与权衡能力第 122 题DPO训练不符合要求的时候怎么办？ 考察对DPO训练失败或效果不达标的诊断与处理能力第 123 题你认为未来RAG的创新研究方向有哪些？ 考察对RAG技术前沿的理解、趋势判断和系统化思考能力第 124 题请介绍 LoRA 及其高效微调的原理，并说明其中降秩（低秩）的作用是什么。 考察对 LoRA 低秩适配机制的深入理解与原理性解释能力第 125 题请口述Transformer模型的整体工作流程，从输入到输出。 考察对Transformer架构核心组件及数据流顺序的理解第 126 题怎么特征选择，卡方检验是什么？ 考察特征选择的基本方法和对卡方检验原理与用途的理解第 127 题如何判断一个任务在训练时是先进行监督微调（SFT）还是直接使用强化学习（RL）？ 考察对SFT与RL适用场景的判断和训练流程理解第 128 题请解释C++中虚函数的底层实现机制。 考察C++虚函数的核心实现原理及多态理解第 129 题请介绍模型量化的常见方法与关键考量。 考察对模型量化原理、方法及其权衡的理解第 130 题请描述零钱兑换问题及其变体的解决方案，包括最少硬币数和组合数两种情形。 考察动态规划的核心设计与边界处理能力第 131 题请说明 DeepSpeed 的 ZeRO-1、ZeRO-2 和 ZeRO-3 分别优化了什么？ 考察对 ZeRO 各阶段内存优化策略的理解与区分第 132 题请讲解 Flash Attention 的核心原理，并说明它如何降低显存占用和提升计算效率。 考察对现代注意力机制优化的理解及原理迁移能力第 133 题请介绍您对TensorRT的理解及其在模型推理加速中的应用。 考察对TensorRT核心功能、工作流程和应用场景的理解第 134 题请描述Tiger项目中使用encoder-decoder架构生成内容的过程。 考察候选人对其项目中结合深度学习模型（encoder-decoder）的技术流程理解第 135 题请简述Transformer的基本结构和工作原理。 考察对Transformer架构核心组件及运作流程的理解第 136 题模型训练时间如何估计？ 考察对训练时间影响因素的理解和估算能力第 137 题请说明SAM（Segment Anything Model）的分割实现方式及其数据生成方式。 考察对SAM核心组件、训练数据构建逻辑的理解第 138 题既然你用过图数据库，你知道它底层的存储结构是怎样的吗？比如它是怎么组织边和节点的？ 考察图数据库底层存储模型的理解深度第 139 题如何针对不同场景和数据集选择模型效果的评估指标？请结合实例说明。 考察模型评估方法论与指标选择的场景适配能力第 140 题CNN和Transformer有什么区别？ 考察对两类主流神经网络架构在原理、适用场景和差异上的理解