人工智能面试题 · 技术选型 · LoRA
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 111 道 · 更新 2026-08-05
筛选题目已选：技术选型 · LoRA
考察点
技术栈
第 101 题请介绍大模型微调中全量微调与高效微调的区别，并说明 LoRA 的原理及其常见变体。 考察对大模型微调方法的理解、LoRA 机制掌握及知识广度第 102 题介绍下LoRA以及QLoRA的区别 考察对大模型高效微调方法的理解，包括原理、量化策略和资源权衡第 103 题LoRA 初始化是怎么做的？通常使用的秩是多少，为什么不选其他数值？ 考察 LoRA 技术细节、参数初始化与秩选择原理第 104 题什么类型的模型可以用LoRA进行微调？ 考察基于线性变换的可微神经网络适用范围判断第 105 题请分别说明LoRA、SFT、DPO的适用场景与关键区别，并谈谈在实际项目中如何选择使用它们。 考察对参数高效微调、监督微调及偏好对齐技术的理解与应用能力第 106 题LoRA 与 Prefix Tuning 有哪些主要区别？在什么场景下你会优先选择 LoRA？ 考察对大模型参数高效微调技术的理解深度与选型决策能力第 107 题训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？ 考察对 LoRA 机制的理解、冻结层策略及实际决策依据第 108 题在微调项目中，你如何选择和使用PEFT库或LLaMA-Factory这类工具？ 考察对微调工具链的选择能力和工程适配意识第 109 题解释 LoRA 微调的基本原理，包括其核心思想和工作方式。 考察对 LoRA 参数高效微调机制的理解第 110 题请详细讲解LoRA微调的原理、优势及应用场景。 考察对LoRA微调机制的理解、与全量微调的对比及实际应用考量第 111 题请概述 LoRA 微调的原理、关键超参数选择以及适用场景。 考察对 LoRA 微调核心机制、实践配置和适用边界的理解