人工智能面试题 · 问题排查 · LoRA
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 12 道 · 更新 2026-08-05
筛选题目已选：问题排查 · LoRA
考察点
技术栈
第 1 题训练LoRA时会调整哪些参数？你有哪些调参经验？ 考察对LoRA训练关键超参数的理解与实际调参经验第 2 题结合你的实践经验，LoRA 微调中有哪些需要注意的经验或常见坑？ 考察候选人在 LoRA 微调实践中的经验总结与问题解决能力第 3 题在LoRA微调过程中，你遇到了哪些问题（如收敛问题、指标不符合预期）？你是如何分析和解决的？ 考察在实际微调中遇到问题时的排查和解决能力第 4 题在合并LoRA adapter权重时，你是否遇到过梯度爆炸问题？如果有，是如何解决的？ 考察对LoRA合并机制与训练稳定性的理解第 5 题在应用LoRA微调时，你遇到过哪些困难？是如何解决的？ 考察问题定位与解决能力，以及LoRA实践的深度第 6 题在微调大语言模型时，LoRA模块通常加在哪些层？rank值的设置有什么技巧？ 考察对LoRA机制的理解、应用位置选择及超参数调优经验第 7 题请描述LoRA训练的主要参数和标准流程。 考察对LoRA微调关键参数和训练流程的理解第 8 题LoRA微调在生产环境的部署经验有哪些？ 考察LoRA微调后的模型在生产部署中的实践与经验第 9 题LoRA 微调后模型效果不佳，你一般会从哪些方面排查和优化？ 考察对 LoRA 微调问题的系统性排查与调优能力第 10 题你做过LoRA微调，那你是怎么选rank值的？合并adapter权重的时候有没有遇到梯度爆炸？ 考察对LoRA超参数选择的理解及对权重合并风险的实际处理能力第 11 题请解释LoRA的原理，微调哪些层以及矩阵如何初始化，为什么不能都初始化为0？ 考察对LoRA低秩适配机制、参数冻结策略和初始化方法及反向传播的理解第 12 题请介绍一次你微调大模型的经历，并讲讲你的实践过程。 考察候选人大模型微调的实际经验、技术选型与问题解决能力