后端岗位面试题 · 技术原理 · tech:llm
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 129 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:llm
考察点
技术栈
第 21 题你对大模型的基础原理（如 Transformer、预训练与微调）有哪些了解？ 考察对大模型核心概念的理解深度第 22 题请介绍你在大型语言模型训练或微调方面的实践经验。 考察大模型训练微调的经验深度、方法论理解与问题解决能力第 23 题你认为与大模型之前的 workflow 相比，Agent 真的解决了更多问题吗？为什么？ 考察对 Agent 相对传统 workflow 的本质差异和实际收益的理解第 24 题介绍一下大语言模型的RAG？ 考察对RAG架构、核心流程和应用价值的理解第 25 题大模型训练存在灾难性遗忘问题，如何解决？ 考察对大模型持续学习与灾难性遗忘的深入理解和解决方案设计第 26 题你如何看待不同主流大语言模型的差异？你会如何选择和使用它们？ 考察对大语言模型生态的认知与选型能力第 27 题大模型是有状态的吗？请结合服务端与客户端场景讨论。 考察对模型状态性的准确判断及对状态管理的理解第 28 题Agent（智能体）与大语言模型有什么差别？ 考察对 Agent 与大模型层级关系、能力边界和控制机制的理解第 29 题请谈谈你对大模型（AI/LLM）技术的理解。 考察对大模型核心原理、能力特点、局限性和应用前景的整体认知第 30 题请详细介绍大模型意图识别的核心流程和关键技术点。 考察对基于大模型的意图识别系统的理解和表达能力第 31 题短期记忆怎么实现的 考察对短期记忆机制的理解与应用程序第 32 题请介绍大模型技术栈中你熟悉的核心技术，并说明它们的关联。 考察对大模型技术体系的理解广度与深度第 33 题请结合你的实际经验，说明大语言模型通常适合解决哪类问题，并举例说明不适合的场景。 考察对大模型能力边界的理解与场景选择能力第 34 题有去了解过大语言模型原理吗？ 考察对大型语言模型基础原理的主动学习与理解深度第 35 题在大模型智能体的 replanning 机制中，通常通过哪些机制来判断调用失败的原因，并重新选择工具或调整参数？请结合具体实现谈谈。 考察对大模型智能体错误诊断与重规划机制的理解第 36 题prefill阶段有没有办法加快KV cache的生成？ 考察对LLM推理prefill阶段性能优化的理解第 37 题大模型数据集下都有哪些内容？ 考察对大模型训练数据组成、来源和预处理的理解第 38 题请谈谈你对大模型和Agent的理解。 考察对大模型与Agent概念、关系及实际应用的认知深度第 39 题在大语言模型中，“向量”这个概念是什么意思？它在模型的输入和内部计算中扮演什么角色？ 考察对词向量、嵌入表示及向量在模型内部作用的深入理解第 40 题请谈谈你对大语言模型的了解，包括其基本原理和主流应用场景。 考察对大模型基础概念、工作原理和应用场景的理解深度