人工智能面试题 · 技术选型
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 1811 道 · 更新 2026-08-05
筛选题目已选：技术选型
考察点
技术栈
第 1 题在模型结构层面，Qwen（例如 Qwen2）与 DeepSeek（如 DeepSeek-V2）的主要区别有哪些？ 考察对不同架构创新（如 MLA、MoE）的理解和比较能力第 2 题Python全局锁是什么？ 考察Python GIL的基本概念、作用范围及影响第 3 题针对该技术改进，你设计了哪些具体方案，为什么选择这个方案而不是其他替代方案？ 考察技术方案设计能力与方案权衡意识第 4 题你是否了解 QLoRA？具体来说，它是如何进行量化的？ 考察对 QLoRA 量化机制和低资源微调原理的理解第 5 题在 RAG 系统中，你们是否使用 rerank？如何做？ 考察重排模型在 RAG 中的应用与实现细节第 6 题请介绍一些具有旋转不变性的图像处理或特征提取算法，并说明其原理和应用场景。 考察图像算法中旋转不变性的理解与代表性方法第 7 题在设计基于 LLM 的检索系统时，如何更好地引入和使用 Embedding？ 考察对 LLM Embedding 的本质理解、选型与质量评估能力第 8 题请说明使用 TensorRT 进行模型部署的主要步骤和编写要点 考察对 TensorRT 部署流程的理解和实际工程经验第 9 题是否了解 QLoRA？ 考察对大模型参数高效微调方法的原理与工程认知第 10 题请介绍MMoE模型的工作原理，并说明专家同质化问题及其常见解决方案。 考察多任务学习模型MMoE的结构理解与专家同质化问题的识别和解决能力第 11 题常用的文本向量化模型有哪些？请列举并简要说明适用场景。 考察对文本嵌入模型及其应用场景的掌握第 12 题在RAG系统中,微调与直接使用通用模型相比,有哪些适用场景与限制? 考察对RAG中微调必要性与局限的理解第 13 题讲解Transformer结构时，通常使用哪些深度学习训练框架？ 考察对Transformer实现与主流深度学习框架的熟悉程度第 14 题请描述你在大模型应用项目中数据构建和向量库构建的方式。 考察数据预处理、向量化与向量库选型的工程实践能力第 15 题微调大模型的方法有哪些？ 考察对主流大模型微调方法的体系化理解与适用场景辨析第 16 题介绍一下如何进行模型压缩 考察对模型压缩主要技术路线及适用场景的理解第 17 题Python 项目中出现包版本冲突时，通常有哪些解决思路？ 考察包依赖管理和冲突解决的基本方法第 18 题你在项目开发中使用了哪些 C++11 新特性？请举例说明它们的适用场景和带来的价值。 考察 C++11 新特性的掌握程度、实际应用能力与场景判断第 19 题你通常使用什么规格的YOLO模型（例如n、s、m、l、x）？请说明其层数或参数量，并解释选择依据。 考察对YOLO系列模型规格差异的理解及实际工程选型能力第 20 题你如何看待大模型在你的项目场景中的应用可能性？ 考察对大模型技术边界的认知和迁移思考