人工智能面试题 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 332 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 21 题在微调 LLM 时，不同类别的训练数据配比是如何设置的？对效果有何影响？ 考察数据配比设计与调优能力第 22 题多个 LLM Agent 协同工作会引入哪些新的复杂性和挑战？ 考察对多智能体系统协作风险与工程挑战的识别能力第 23 题用大模型对 item 做语义 Embedding 有什么缺点？ 考察对大规模语义向量化方案的局限性和工程权衡的理解第 24 题请列举大语言模型评测中常用的基准数据集，并说明其特点。 考察对大语言模型主流基准数据集及适用范围的了解第 25 题你了解大模型在推荐系统中的哪些应用？ 考察对大模型与推荐系统结合的技术理解与知识广度第 26 题大模型的工具调用怎么实现？ 考察对大模型工具调用机制的理解与实现路径第 27 题大模型幻觉产生的原因有哪些？ 考察对大模型幻觉成因的理解深度第 28 题针对大模型幻觉问题，你会如何应用所学知识来应对和解决？ 考察对大模型幻觉成因的理解及结合实际约束的解决策略第 29 题常见的大模型，或者说VLM（视觉语言模型）这块的模型，了解过哪些？ 考察对大模型和视觉语言模型生态的广度认知与理解深度第 30 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 31 题请谈谈你对大模型技术发展现状与核心挑战的理解。 考察对大模型技术原理、应用趋势及局限性的认知深度第 32 题如何看待当前LLM和Agent的发展趋势？ 考察对行业趋势、技术演进的判断与个人见解第 33 题介绍一下大语言模型中的注意力机制，多头相比单头注意力有何优势？ 考察对注意力机制原理的理解及多头设计价值的掌握第 34 题如何实现并优化LLM的JSON结构化输出？请谈谈你的思路和注意事项。 考察对LLM结构化输出方法、约束机制及错误处理的掌握第 35 题你认为现在大模型对企业中开发的价值是什么？ 考察对大模型在开发场景中实际价值的理解和判断第 36 题大模型在训练和推理时显存不够，有哪些优化方法？ 考察对大模型显存瓶颈的理解及训练和推理阶段优化手段的掌握第 37 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 38 题大模型训练时的 query 数据如何生成？请介绍典型方法和设计要点。 考察数据构造逻辑、覆盖度与任务适配第 39 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 40 题讲一下SFT时会对哪部分计算loss？为什么？ 考察对监督微调损失计算位置及其原因的理解