人工智能面试题 · LoRA
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 257 道 · 更新 2026-08-05
筛选题目已选：LoRA
考察点
技术栈
第 21 题为什么要用 LoRA 微调 1.7B 规模的模型，而不是全参微调？ 考察对参数高效微调动机与全参微调权衡的理解第 22 题讲一下 LoRA，两个权重矩阵一般怎么初始化，能都全 0 吗？ 考察对 LoRA 原理、初始化策略及收敛问题的理解第 23 题LoRA 微调在多模态大模型中的应用有何特别之处？ 考察对LoRA原理及其在多模态场景适配性的理解第 24 题为什么用 LoRA 以及 LoRA 的原理和优缺点？ 考察对参数高效微调方法的理解、适用场景和权衡能力第 25 题微调大模型时，SFT的主要实现方式有哪些？ 考察对监督微调整体技术路线的理解第 26 题LoRA有哪些参数可以调？ 考察对LoRA微调关键参数及其影响的理解第 27 题你有多个LoRA微调的经验吗？如果有，请说明在什么场景下使用了多个LoRA以及如何组合它们。 考察多LoRA微调的实际经验与管理策略第 28 题LoRA的A、B矩阵怎么初始化的？ 考察对LoRA参数初始化细节及训练稳定性的理解第 29 题LoRA如何做初始化？ 考察对LoRA参数初始化方式及设计动机的理解第 30 题请对比LoRA微调与全量微调在大语言模型上的性能表现差异，并说明各自的适用场景。 考察对两种微调方式原理、效果与适用性的理解第 31 题LongLoRA和LoRA有什么区别？ 考察对两种参数高效微调方法原理与适用场景的理解第 32 题介绍LoRA，它是怎么初始化的？ 考察对LoRA核心机制、参数初始化方式和训练原理的理解第 33 题请描述 LoRA 微调的原理及其优点。 考察对大模型参数高效微调技术 LoRA 的机制理解和优势分析第 34 题LoRA和Prompt Tuning的区别,以及各自适用的场景? 考察对参数高效微调方法的原理理解与场景判断能力第 35 题讲解LoRA的原理，并阐述LoRA的后续改进方向（除QLoRA外的其他维度）。 考察对大模型参数高效微调核心机制的理解及对前沿改进方向的掌握第 36 题说说了解哪些LoRA的变体 考察对LoRA及其常见变体的掌握广度与原理理解第 37 题请对比LoRA微调与全参数微调Qwen模型在性能和效果上的差异。 考察对微调方法的理解、性能对比分析及适用场景选择第 38 题请列举常见的 LoRA 变体家族，并说明各自的原理和优缺点。 考察对 LoRA 及其变体的深入理解和对比分析能力第 39 题请解释矩阵的秩是什么，以及为什么 LoRA 中要限制低秩（rank）进行更新。 考察线性代数基础及低秩更新在参数高效微调中的动机第 40 题请解释LoRA的损失函数设计，并分析其相对于全量微调的优势和局限性。 考察对LoRA参数高效微调原理、目标函数和适用边界的理解