人工智能面试题 · 技术选型 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 81 道 · 更新 2026-08-05
筛选题目已选：技术选型 · LLM
考察点
技术栈
第 1 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 2 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 3 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 4 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 5 题如何实现大模型相关技术的产业落地？ 考察对大模型实际落地路径、场景选择与工程挑战的理解第 6 题大模型训练中，学习率一般设置为多少？ 考察对常用学习率范围及选择依据的了解第 7 题对LLM4Rec的后续迭代方向有什么见解？ 考察对推荐系统与大型语言模型结合的前沿理解及技术规划能力第 8 题请说明 KV Cache 在 LLM 推理中的优化方法，并分析各自的适用场景与权衡。 考察对大模型推理优化技术（KV Cache）的原理理解与方案权衡能力第 9 题有哪些缓解大语言模型幻觉的工程方法？ 考察针对幻觉问题的实际解决手段与权衡第 10 题如何解决大模型的灾难性遗忘问题？ 考察对灾难性遗忘解决策略的知识广度与实现认知第 11 题长上下文（long context）是当前大语言模型的研究热点，你知道有哪些方法可以解决或缓解长上下文问题？ 考察对长上下文技术方案的系统理解与广度第 12 题在什么场景下适合使用思维树（ToT）方法？ 考察对ToT适用边界的判断与实际应用意识第 13 题如何利用GPT或类似模型辅助提升数据集质量？ 考察利用生成式模型进行数据增强和质检的能力第 14 题项目中的OCR是怎么做的，为什么选择用大模型来做？ 考察OCR技术方案的设计理解与选型判断第 15 题如何设计一个AI理财助理（基于大模型）？ 考察大模型应用系统的整体设计能力，包括技术选型、可靠性、安全与合规第 16 题假设我们有一个效果很好的70B大模型，但因为太大太慢，没法直接上线。请列举并比较主要的模型压缩方法比如剪枝和量化，说明各自的优缺点。 考察对大模型压缩核心方法的理解与权衡能力第 17 题请简述大模型微调的常见方法（如全量微调、LoRA、QLoRA）及其适用场景。 考察对大模型微调技术栈的理解及场景化选型能力第 18 题知道哪些大模型微调方法？ 考察对大模型微调技术栈的了解和广度第 19 题目前的LLM结构和最开始的Transformers有哪些变化? 考察对Transformer架构演进及大模型技术迭代的理解第 20 题请简要阐述当前大模型应用的主流范式，并说明其典型技术架构与适用场景。 考察对大模型应用范式（如RAG、Agent、微调等）的整体认知与辨析能力