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 21 题介绍如何提高生成图和个人相似度的方法 考察对图像生成任务中保持人物身份一致性的技术理解第 22 题请介绍您对TensorRT的理解及其在模型推理加速中的应用。 考察对TensorRT核心功能、工作流程和应用场景的理解第 23 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 24 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 25 题RAG中如何处理非结构化知识与结构化知识的混合检索? 考察RAG架构中融合非结构化与结构化数据检索的设计能力第 26 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 27 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 28 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 29 题除了 LoRA，你还了解哪些可用于训练和推理优化的技术？ 考察对大模型训练推理优化技术的广度与原理理解第 30 题请介绍你使用过的时序预测模型架构，以及你如何评估其预测效果？ 考察时序建模经验与评估指标的使用能力第 31 题在 YOLO 检测室内人物时，如果人手上的物品被裁到检测框之外，如何解决？ 考察对边界框回归缺陷的认知及针对性优化策略第 32 题SFT数据集为什么要进行数据清洗与均衡采样？ 考察对数据清洗与均衡采样作用的理解第 33 题在构建多模态模型时，你为什么会选择 CLIP 作为视觉-语言对齐的基础？请说明其设计动机和关键优势。 考察对 CLIP 架构设计理念及其在多模态任务中应用优势的理解第 34 题请介绍CLIP模型的原理、训练方式及其典型应用。 考察对CLIP模型架构、对比学习训练范式与应用场景的理解第 35 题请介绍FLUX模型的结构，并说明它在生成模型中的主要优势。 考察对FLUX生成模型架构的理解及相比其他生成模型的核心优势第 36 题做过哪些平台上的模型部署？ 考察模型部署实践经验与平台选择能力第 37 题LLM学习到的表征怎么跟推荐任务对齐？ 考察对LLM与推荐系统结合时表征对齐的理解和方案设计第 38 题请介绍RAG系统中Embedding模型的作用、选型要点和常见优化方法。 考察对RAG中Embedding模型的理解和实际应用能力第 39 题Multi-Head Attention 现在有一些优化，现在主流的优化都有哪些方向，每个方向下有什么优化方法？ 考察对注意力机制优化的体系化理解与前沿认知第 40 题请介绍你的项目中数据是如何收集的，以及使用了哪些网络结构或模型？ 考察数据处理流程与技术选型理解