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 141 题大模型智能体是怎么工作的，包含哪些核心组件？ 考察对大模型智能体架构、工作流程和关键组件的理解第 142 题如何评估大语言模型的性能？请列举常见的评测指标。 考察对大语言模型性能评测指标的理解与掌握第 143 题请谈谈你对大模型技术的了解，特别是 RAG（检索增强生成）的原理和应用。 考察对大模型基础概念及RAG技术的理解深度第 144 题大模型有哪些位置编码，RoPE 的优势是什么？ 考察位置编码的演进理解与旋转位置编码的数学机制及优势第 145 题大模型存在哪些问题，如何解决？ 考察对大模型核心局限性的认知及对应解决思路第 146 题请介绍你有道词典中英文互译或中小学生答题方向的大模型落地经验。 考察大模型在具体教育场景的落地能力与研究实践第 147 题你是否有过微调大语言模型的实战经历？如果有，请简要说明项目背景和你承担的工作。 了解候选人微调大模型的实际经验与个人职责第 148 题大模型训练的超参数选择需要考虑哪些方面？ 考察对超参数作用及选择逻辑的理解第 149 题除了SFT还用过什么对齐手段吗？ 考察对大模型对齐技术栈的广度理解与实际应用能力第 150 题你认为当前大模型的能力上限主要受哪些因素限制？未来可能的突破方向在哪里？ 考察对大模型技术边界、局限性与发展方向的系统性理解第 151 题谈一谈大模型完整训练过程及每一阶段的作用。 考察对大模型训练流程的整体理解及各阶段目标第 152 题请介绍大语言模型的预训练、后训练和推理三个阶段的主要流程及各自的目标。 考察对大模型训练推理全流程的理解与阶段划分能力第 153 题在大规模推荐系统中，大语言模型（LLM）可以在哪些环节发挥价值？请结合实际场景说明设计思路和潜在挑战。 考察对大模型与推荐系统结合点、设计思路及落地挑战的理解第 154 题有哪些decode采样方法 考察对LLM解码策略的理解和区分第 155 题SFT（监督微调）的大致训练流程是怎样的？ 考察对大模型监督微调流程的理解和关键技术点掌握第 156 题如何确保大模型输出内容的一致性？ 考察对大模型输出不稳定性来源的理解以及系统层面的一致性保障手段第 157 题你还了解哪些大模型对齐技术？ 考察对大模型对齐领域技术广度和原理理解第 158 题请介绍RAG（检索增强生成）技术的最新进展，并谈谈你对其发展趋势的看法。 考察对RAG前沿技术的了解、信息更新能力和技术趋势分析第 159 题目前LLM领域关注到哪些最新进展？ 考察对LLM领域前沿动态的持续跟踪与理解深度第 160 题大模型微调有哪些方式？ 考察对大模型微调技术路线的系统认知与方案选择能力