人工智能面试题（2026 最新）
人工智能相关岗位面试题。
共 11389 道真题 · 更新 2026-08-05
筛选题目
考察点
技术栈
第 421 题BERT和RoBERTa有什么区别？ 考察对预训练语言模型演进与训练细节的理解第 422 题你了解传统图像处理算法吗？如何求一个图像的梯度？如何设计一个求梯度的卷积核？ 考察图像梯度计算的原理与卷积核设计能力第 423 题请说明二阶段训练方法的细节：第一阶段固定骨干网络后需要训练哪些参数？第二阶段包含哪些信息？骨干网络是否共享，它的初始参数是如何获得的？ 考察多阶段训练策略中骨干网络冻结与参数训练的机理第 424 题请谈谈你的数学基础如何？如果从事涉及较多机器学习内容的工作，你会如何补齐或发挥这方面的能力？ 考察数学功底以及在机器学习场景下的学习与应用潜力第 425 题请详细说明GBDT与XGBoost的核心区别，并重点介绍XGBoost的最优分裂节点选择方式、加速方法、预排序的作用、分箱方式（等宽/等深）、缺失值及预测时缺失值的处理方式。 考察对GBDT与XGBoost算法原理的深入理解，特别是分裂节点选择、优化加速和缺失值处理机制第 426 题top-k 与 top-p 采样有什么区别？ 考察对大语言模型生成采样策略的理解与对比能力第 427 题请介绍你上一份工作或项目的工作内容、工作性质，以及你与上下游的协作关系和需求传递方式。 考察候选人描述职责、协作边界与需求流转方式的能力第 428 题请简要介绍你的论文，包括研究任务、遇到的主要难点以及你采用的方法。 考察研究能力、问题拆解与沟通表达第 429 题请选择一个你负责过的项目，介绍其目标和你的具体职责。 考察项目梳理能力和职责边界认知第 430 题请说明 YOLOv8 主干网络中使用的基础卷积算子的具体构成，并解释其与标准卷积的区别。 考察对 YOLOv8 网络结构中基础卷积算子的掌握程度第 431 题请介绍混合专家（MoE）模型的基本原理，并说明其负载均衡极化问题是如何解决的。 考察对MoE架构的理解及对负载均衡问题的认知深度第 432 题请介绍一个你参与过的 RAG（检索增强生成）项目，并说明它的核心亮点。 考察对RAG架构的理解、项目贡献与效果呈现能力第 433 题使用双指针合并两个有序数组，请描述算法实现并分析复杂度。 考察双指针技巧与有序数组合并的算法实现及复杂度分析第 434 题请介绍 Agent 的核心思想、主要组成部分，以及它如何进行任务规划和问题分解。 考察对 Agent 概念、架构与任务分解机制的理解第 435 题除了LoRA，常见的参数高效微调方法还有哪些？ 考察对PEFT方法谱系的了解广度第 436 题请介绍你在滴滴实习期间的工作内容与整体业务链路，以及你在其中的职责。 考察实习期间的工作内容理解、职责定位与业务链路梳理能力第 437 题LLaMA使用的注意力机制是什么？ 考察对主流大模型注意力机制原理的掌握程度第 438 题在微调阶段，你会如何选择 Qwen 模型中适合 LoRA 微调的层？请说明理由。 考察对 LoRA 微调原理的理解及针对特定模型结构的层选择策略第 439 题请介绍你研究过哪些大模型，并说明你对其中某一个的理解。 考察对大模型的了解深度、知识广度及技术理解能力第 440 题请实现合并 K 个升序链表，并说明你的方案复杂度。 考察链表操作、分治/堆思想与复杂度分析