后端岗位面试题 · 方案权衡 · 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 42 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:llm
考察点
技术栈
第 1 题请谈谈你对LoRA等大模型微调技术的理解，包括其原理、优点和适用场景。 考察对大模型微调技术的原理理解与应用判断第 2 题请结合你熟悉的业务或项目，谈谈大模型的应用场景和落地方式。 考察对大模型典型应用场景的理解及与具体业务的结合能力第 3 题请谈谈你对大模型技术的了解和应用经验。 考察对大模型基础知识的掌握及实际应用能力第 4 题有一些LLM支持超长上下文，怎么做到的？ 考察对超长上下文实现机制的深入理解与关键技术取舍第 5 题AI Agent是怎么实现的？如何通过调用大模型的API、RAG、MCP等组件组合来实现这个Agent？ 考察对大模型应用架构、Agent实现模式和外部工具集成能力的理解第 6 题如果客服系统需要自动回复用户咨询，如何通过大模型实现智能问答？ 考察大模型在客服场景中的应用设计与工程落地能力第 7 题在这些大模型工具中，你觉得哪一个更好，为什么？ 考察候选人的工具评估能力与判断依据第 8 题请你介绍几种常见的大模型微调方法，并说明它们的适用场景和优缺点。 考察对大模型微调技术体系的理解和应用选型能力第 9 题在设计大模型生成代码的多agent工作流程时，你会如何划分各个agent的职责并协调它们协作？ 考察多agent系统设计能力和工作流编排思路第 10 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 11 题业务想用大模型的能力，用自有数据让大模型在汽车领域做回答，怎么让大模型学习到想要的结果？ 考察大模型领域适配的技术路线、数据工程与效果评估能力第 12 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 13 题大模型对业务解决问题的能力相对传统方式有什么优势？ 考察对大模型能力边界、适用场景及与传统方法对比的理解第 14 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 15 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 16 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 17 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 18 题大模型中的幻觉怎么处理？ 考察对大模型幻觉成因及缓解策略的系统理解第 19 题请介绍大模型微调的主要技术方法及其适用场景。 考察对大模型微调技术体系的理解与选型能力第 20 题你用到的大模型参数量是多少？为什么不用其他模型？ 考察对模型选型的依据和比较能力