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 141 题SFT 和 DPO 的训练数据是否有重叠？请说明你的判断依据和处理方式。 考察对 SFT 与 DPO 数据关系及数据隔离的理解第 142 题向量检索完成后，如何进行召回？ 考察对向量检索召回阶段的理解与实操第 143 题请解释一下GRPO算法及其原理。 考察对GRPO强化学习算法的理解与原理阐释能力第 144 题在特征工程中，特征筛选、特征交叉和新增特征三者相比，哪个更重要？请说明理由。 考察对特征工程不同环节价值与适用场景的理解，以及平衡能力第 145 题手写代码实现反转单链表 考察链表操作的基本功与边界处理第 146 题请解释大模型推理中KV Cache的原理与作用。 考察对KV Cache机制的理解及其在推理加速中的角色第 147 题Attention机制有哪些常见类型？位置编码有哪些常见方式？ 考察对Transformer核心组件Attention机制和位置编码的分类与原理理解第 148 题请解释语言模型的基本概念，并简要说明其工作原理。 考察对自然语言处理中语言模型核心定义与机制的理解第 149 题多模态大模型训练时，是只训练LLM部分，还是与ViT图像编码模块一起训练？ 考察对多模态模型训练策略、参数冻结与联合训练原理的理解第 150 题AUC是什么？ 考察对AUC概念的准确理解及其与准确率等指标的区别第 151 题在构造偏好数据时，如何保证采样得到的多个response具有足够多样性？ 考察对采样多样性保障方法的理解第 152 题FP16、BF16、FP32、INT8这些数值格式有什么区别？在训练和推理大模型时一般如何选择？ 考察数值格式的精度、范围、硬件支持及其在训练和推理中的选型权衡第 153 题tensor.detach()和tensor.item()有哪些区别，分别对应什么使用场景？ 考察对PyTorch张量操作语义和梯度传播机制的理解第 154 题你如何理解自然语言处理与大数据挖掘之间的关系？ 考察对NLP技术体系及其在大数据场景下应用的理解深度第 155 题请写出逻辑回归（LR）的数学公式，并简要说明各符号的含义。 考察逻辑回归的模型形式与基础数学表达第 156 题请解释 GRPO 与 PPO 的主要区别，并说明各自的损失函数设计。 考察对强化学习微调算法（GRPO 与 PPO）的机制理解和损失函数推导能力第 157 题实现开五次根号的算法，如何设计并保证精度？ 考察数值计算方法、迭代收敛理解与边界处理第 158 题请说明当前模型中主要使用的序列类型，以及在架构中采用的是自注意力（self-attention）还是目标注意力（target attention），并解释选择的原因。 考察对模型序列类型和注意力机制的理解与选型依据第 159 题抛硬币游戏中，A先抛，若A抛到正面则获胜结束，否则轮到B抛；若B抛到正面则B获胜结束，否则再由A抛，如此交替重复。求A获胜的概率。 考察几何分布或条件概率的递推思维与计算能力第 160 题说明多任务的数据并行实现方式 考察数据并行策略的理解与落地能力