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 21 题做完 SFT 后为什么还要做 RLHF？请明确说明 RLHF 能实现哪些 SFT 做不到的效果。 考察对 LLM 对齐流程中 SFT 与 RLHF 差异的理解第 22 题怎么解决大模型幻觉？ 考察对大模型幻觉成因、检测与缓解手段的系统理解第 23 题请解释大模型推理时温度（temperature）参数的作用，并说明调整它对生成结果的影响。 考察对大模型采样机制中温度参数的理解及其对输出多样性与稳定性的影响第 24 题请解释什么是模型蒸馏，以及它在大模型应用中的作用。 考察对模型蒸馏概念与应用价值的理解第 25 题请介绍KV Cache的原理及其在推理过程中的作用，并谈谈常见的优化和压缩方法。 考察对大模型推理KV Cache机制的理解及优化方案的设计能力第 26 题请说明大模型在推荐系统中用于用户画像刻画时的工作原理和典型方法。 考察对推荐场景下用户画像构建的模型理解和方案设计能力第 27 题请解释SFT（监督微调）的基本流程及其在大模型应用中的作用。 考察对监督微调原理和流程的理解第 28 题如何提升大语言模型的预测准确率？请说明可采用的策略及适用场景。 考察对大模型准确率优化方法及其适用边界的理解第 29 题除了RAG之外，针对大语言模型应用还有哪些优化方案？请重点讨论微调（Fine-tuning）的方法与适用场景。 考察对大模型优化技术全景的认知及微调方法的深度理解第 30 题请简要描述强化学习PPO（Proximal Policy Optimization）的核心思想，及其在语言模型对齐中的应用。 考察对PPO算法原理和LLM对齐应用的理解第 31 题如何设计选择调用哪一个工具或函数的策略？ 考察工具选择的决策机制和设计考虑第 32 题请详细讲解大模型在意图识别任务中的应用方法与关键环节。 考察对大模型意图识别原理、流程与工程细节的系统理解第 33 题介绍Agent项目的架构，如何解决LLM上下文长度不够的问题？ 考察Agent系统架构设计与上下文管理策略第 34 题微调的使用场景是什么？ 考察对模型微调适用场景的理解和判断能力第 35 题微调和RAG的优劣势分别是什么 考察对大语言模型应用中微调与RAG两种主流方法的技术理解与适用场景判断第 36 题如何判断一个基于大模型的校验功能是否是 Workflow？ 考察对 Workflow 概念的理解及判别能力第 37 题请列举大语言模型常见的微调方法，并说明各自的适用场景。 考察对模型微调方法的掌握程度及其适用场景的理解第 38 题如何评估一个大型语言模型的实际效果？ 考察候选人设计评估体系的能力和工程化思维第 39 题请说明大模型在推荐系统中用于物品特征构建时的工作原理和典型方法。 考察对大模型赋能物品特征表征的理解和落地能力第 40 题在设计大模型 Agent 时，工具集应采用动态加载还是静态加载？请说明各自适用场景、优缺点及你的选择依据。 考察对大模型 Agent 工具管理机制的理解与设计权衡能力