人工智能面试题 · 技术原理 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 274 道 · 更新 2026-08-05
筛选题目已选：技术原理 · LLM
考察点
技术栈
第 181 题你如何看待AI Agent当前的发展现状？ 考察对AI Agent技术演进、产品形态与行业应用的认知广度第 182 题请描述大模型训练的一般完整流程。 考察对LLM训练管线各阶段的整体认知第 183 题请描述你如何进行大模型监督微调（SFT）的完整流程。 考察对大模型监督微调流程、数据构造和训练细节的理解第 184 题请介绍LoRA微调的基本原理，并说明AB矩阵的维度计算方式。 考察对大模型参数高效微调技术LoRA的理解第 185 题请介绍一次你微调大模型的经历，并讲讲你的实践过程。 考察候选人大模型微调的实际经验、技术选型与问题解决能力第 186 题你微调 LLM 时的训练数据量大概是多少？如何确定这个量级？ 考察对数据规模影响微调效果的理解第 187 题LLM中常用的激活函数有哪些？ 考察对主流大语言模型架构中激活函数选型的理解第 188 题请解释什么是思维树（Tree of Thoughts，ToT）。 考察对ToT这一大模型推理框架的理解与表达准确性第 189 题大模型中的注意力机制是如何工作的？它在大模型中起到了什么作用？ 考察对注意力机制原理及其在大模型中核心作用的理解深度第 190 题请介绍你对Qwen3模型的了解，包括它的技术特点和应用场景。 考察候选人对前沿模型的技术了解与知识广度第 191 题你提到大模型推理速度慢，请分析一下推理慢的主要原因。 考察对大模型推理性能瓶颈的理解和系统性分析能力第 192 题当大模型微调后效果不理想时，你会如何系统分析并定位问题？ 考察对微调全流程的理解、问题定位方法和系统化排错能力第 193 题如何缓解大模型的幻觉问题？ 考察对生成幻觉成因与缓解策略的系统性理解第 194 题请阐述大模型的幻觉现象，并说明有哪些抑制方法。 考察对大模型幻觉机制的理解及主流缓解策略的掌握第 195 题请分享一篇你印象最深的大模型相关论文，并说明其中你认为最有价值的观点或技术点。 考察大模型方向的技术视野、阅读深度和提炼能力第 196 题请解析RLHF（基于人类反馈的强化学习）的对齐流程，并说明各步骤的作用。 考察对RLHF核心流程的理解及其在模型对齐中的作用第 197 题如何判断大语言模型生成的数据是否正确？在缺少金标准数据时有哪些评估方法？ 考察对LLM生成内容质量评估的理解和实际方法论第 198 题请介绍一个你参与的 RAG（检索增强生成）项目，包括系统架构、关键模块和主要挑战。 考察对 RAG 完整链路（检索、重排、生成）的理解与项目落地能力第 199 题比较BPE、WordPiece和Unigram等主流分词算法的主要差异。 考察对不同分词算法的原理和适用场景的理解第 200 题请介绍BabyAGI的核心机制，以及Agent设计框架中的关键组成部分。 考察对Agent自主任务分解与执行框架的理解