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 161 题请阐述处理大语言模型长上下文问题的常见方法有哪些？ 考察对LLM长上下文技术方案的掌握与工程权衡第 162 题目前大语言模型常用的微调方式有哪些？ 考察对主流LLM微调范式的整体认知与优劣比较第 163 题请介绍你项目中大模型微调的大致流程。 考察对大模型微调流程的理解与实操经验第 164 题请介绍你了解的大语言模型微调方法，并说明各自的适用场景。 考察对大语言模型微调技术体系的理解与方案选择能力第 165 题大语言模型的长文本处理能力有限，目前有哪些技术可以缓解这一问题？ 考察对长上下文处理技术的了解、原理理解及权衡意识第 166 题请列举大模型微调的主要方法，并简要说明各自的特点。 考察对大模型微调技术体系的理解广度与基本辨析第 167 题用LLM作为评估器的话，这种用概率模型评估概率模型，怎么确保评测的可靠性和稳定性？ 考察使用LLM作为评估器时的可靠性、稳定性和偏差控制能力第 168 题请介绍你对SFT（监督微调）的理解，以及它在大模型训练流程中的位置。 考察对监督微调基本概念和训练流程的掌握第 169 题请谈谈你是否完整地从零预训练过大语言模型，以及过程中遇到的核心挑战。 考察大模型预训练的实际经验、技术理解与问题排查能力第 170 题如何设计一个200B参数大模型的16卡分布式训练方案？ 考察大规模模型分布式训练的资源评估与并行策略设计第 171 题请谈谈大语言模型在推荐系统中有哪些典型应用场景，以及它们分别解决了什么问题。 考察对大模型与推荐系统结合的技术原理、应用场景及方案权衡的理解第 172 题讲一下大模型训练和推理的流程，SFT和RLHF的作用分别是什么？ 考察对大模型训练推理链路及对齐方法（SFT、RLHF）的理解第 173 题为什么现在大家都在关注大模型的推理能力（Reasoning）？ 考察对大模型技术趋势、推理能力价值和应用场景的理解第 174 题如何评估大模型回答的效果？ 考察对大模型评估方法论、指标和实际应用的理解第 175 题请说明 LLM 作为评判者（LLM-as-a-Judge）在哪些场景下可能失效，并解释原因。 考察对 LLM 评估方法局限性的理解与风险判断第 176 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解第 177 题大模型智能体是怎么工作的，包含哪些核心组件？ 考察对大模型智能体架构、工作流程和关键组件的理解第 178 题请谈谈你在大模型优化的实践中，通常会从哪些方面入手来提升推理性能和效率？ 考察对大模型优化手段的系统理解与实践经验第 179 题如何评估大语言模型的性能？请列举常见的评测指标。 考察对大语言模型性能评测指标的理解与掌握第 180 题请谈谈你对大模型技术的了解，特别是 RAG（检索增强生成）的原理和应用。 考察对大模型基础概念及RAG技术的理解深度