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 241 题微调大语言模型通常有哪几种方式？各有什么适用场景和优缺点？ 考察对主流大模型微调方式的体系化认知与场景判断第 242 题请解释大模型采样中的 Top-K 参数，并说明它与温度参数的关系。 考察对大模型采样机制的理解及其参数间的相互作用第 243 题LLM（大语言模型）有哪些微调方式？ 考察对大语言模型微调方法的理解和分类能力第 244 题训练一个 8B 参数的大模型，大概需要多少显存？ 考察显存估算能力和对训练过程中显存主要来源的理解第 245 题LLM重复生成内容的问题如何缓解？ 考察对LLM生成文本重复现象的成因分析与工程化解法第 246 题请介绍 MoE（混合专家）架构的核心思想，以及它的优势与挑战。 考察对 MoE 架构机制的理解第 247 题请介绍并对比大语言模型（LLM）的三种典型架构，并说明它们各自的特点。 考察对大语言模型架构的理解与对比能力第 248 题请介绍你在实习中参与的视觉或多模态大模型相关工作，并说明是否涉及预训练和微调环节。 考察候选人对大模型预训练与微调的理解及实际经验第 249 题拆解大模型智能体(Agent)的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。 考察对大模型智能体核心模块及其协作机制的理解第 250 题请解释大模型幻觉问题，并说明常见的缓解策略。 考察对大模型幻觉现象的成因理解与工程应对能力第 251 题请谈谈你对大语言模型的了解，并说明强化学习在该领域的应用。 考察对大模型基础和强化学习应用的整体认知第 252 题大模型训练时采用什么padding方式，为什么？ 考察对序列填充策略及其对训练效率和注意力机制影响的理解第 253 题在LLM推理里,我们经常听到一个词叫prefill,能解释一下它是什么意思吗? 考察对LLM推理阶段划分的理解,特别是prefill阶段的作用第 254 题GLM是什么？ 考察对GLM这一大语言模型系列的基本认知第 255 题请谈谈你如何使用现代大语言模型产品提升工作、学习或编码效率，并说明原因；同时展望一下LLM、LVM、MLLM的未来发展方向与前景。 考察对大语言模型产品的实际应用能力、效率方法论以及多模态技术趋势的理解第 256 题LLM4Rec对比传统搜推带来了哪些收益？ 考察对基于大语言模型的推荐方法与传统搜索推荐在收益层面的理解第 257 题从大模型端看，应该做哪些工作来适配Agent架构？ 考察对大模型能力边界与Agent工具调用、规划、记忆等机制的适配理解第 258 题请解释Grouped-Query Attention（GQA）的原理及其实现方式。 考察对GQA机制原理和高效实现的理解第 259 题目前对“涌现能力”现象的研究有哪些主要发现？ 考察对大语言模型涌现能力研究进展的了解第 260 题最近有关注哪些大模型前沿论文？请介绍一篇你印象最深的，并说明其创新点。 考察对大模型前沿研究的学习敏感度、理解深度与表达能力