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 41 题聊聊你对生成式推荐（基于LLM的推荐系统）的理解和想象空间。 考察对生成式推荐技术方向的理解、认知深度与观点表达第 42 题你理解大模型出现幻觉的原因是什么？ 考察对大模型幻觉机制的理解及分析深度第 43 题请谈谈你对AI Agent与大模型技术的理解，以及你在这方面的实践经验。 考察对AI Agent、大模型基础原理的认知深度，以及实际项目经验第 44 题为什么需要 Agent，它和大模型有什么不同？ 考察对 Agent 与大模型差异的理解、应用场景判断及技术原理掌握第 45 题在为前端缺陷检测工具设计大模型提示词时，你会如何编写提示词？请给出具体思路和示例。 考察提示词工程实践能力和针对特定任务的定制化设计第 46 题如何看待大模型，这些工具与我们工作的关系？ 考察对AI工具的认知、工作场景应用及人机协作判断力第 47 题你了解国内外哪些知名的大模型？ 考察候选人对大模型领域发展动态的关注度与知识广度第 48 题请详细说明大模型Function Calling的具体细节和流程。 考察对Function Calling机制的理解、实现流程和工程落地细节第 49 题最近大模型的落地应用哪些让你印象深刻？ 考察对大模型实际应用案例的关注、洞察及技术理解深度第 50 题Agent跟大语言模型有什么差别？ 考察候选人对Agent与大语言模型概念边界的理解与本质差异的把握第 51 题请列举常见的大模型架构类型，并说明哪些模型采用 decoder-only 结构，哪些采用 encoder-decoder 结构。 考察对主流大模型架构分类及代表模型的掌握程度第 52 题平常怎么用大模型的？ 考察候选人将大模型融入日常开发或工作流中的实践与思考第 53 题在当下的大模型时代，你认为AI对学习和编程带来了哪些冲击与影响？ 考察对技术趋势的认知深度、批判性思维及对自身学习和工作方式的反思第 54 题你了解过大模型、机器学习和深度学习吗？ 考察候选人对AI基础概念的了解程度及求知意愿第 55 题你了解大模型和人工智能吗？平时通过哪些途径获取最前沿的知识？ 考察对大模型和人工智能基础认知及持续学习能力第 56 题如果让你设计一个 Agent 系统，与过去的小模型相比，你认为大模型在其中带来哪些能力提升和新的风险？ 考察大模型相对小模型在 Agent 场景中的能力跃迁与风险意识第 57 题请解释大模型生成参数 temperature、top_k 和 top_p 的作用，以及它们如何影响生成结果。 考察对大模型采样策略的理解和参数调优能力第 58 题在项目开发过程中，需求、开发、测试哪个阶段用大模型更多一点？请谈谈你的看法。 考察对大模型在各软件工程阶段应用场景的理解与判断第 59 题请谈谈你对大模型推理优化的理解，包括常用的优化方法及其适用场景。 考察对大模型推理性能优化方法的掌握与场景判断能力第 60 题请介绍一下你对大模型相关原理的理解，例如 Agent 和 RAG 的概念。 考察对大模型原理的掌握程度以及相关概念的理解深度