后端岗位面试题 · 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 174 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 81 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第 82 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 83 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 84 题如何设计并实现一个基于大模型的 Agent 架构？请说明各模块的作用和关键设计点。 考察 Agent 架构设计能力与工程实现细节第 85 题大模型是如何理解用户意图的？ 考察对意图识别机制及模型原理的理解第 86 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第 87 题请解释什么是上下文工程（Context Engineering），并说明它与提示词工程的区别。 考察对上下文工程概念及相关技术的理解第 88 题请解释RAG（检索增强生成）的工作原理及其主要优势。 考察对RAG架构的理解和应用场景第 89 题你了解大模型相关技术，有实际落地过的项目吗？ 考察候选人将大模型知识转化为实际项目经验的能力第 90 题你是否掌握大模型微调相关技术？请简要说明。 考察对大模型微调的了解程度和实际经验第 91 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解第 92 题prompt之间的token是否是有依赖的,是否可以并行? 考察对LLM推断过程中token生成顺序和并行性的理解第 93 题请谈谈你对大语言模型（LLM）相关知识的了解情况，包括其基本原理、核心能力以及典型应用场景。 考察对大语言模型基础原理、核心能力与应用场景的整体认知第 94 题请解释一下大型语言模型中 ReAct 模式的核心思想，并说明其典型应用方式。 考察对 ReAct 模式原理与应用场景的理解第 95 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 96 题请谈谈你对ChatGPT这类大语言模型的了解，以及它在工程实践中的应用。 考察对大语言模型的理解深度及应用认知第 97 题请介绍你在大模型方面的实际项目经验或研究成果，包括你负责的部分、遇到的问题及解决思路。 考察大模型相关的实战经验、技术深度与问题解决能力第 98 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 99 题请谈谈你对大模型的了解以及你对大模型技术发展趋势的看法。 考察对大模型技术的认知深度、行业理解及个人见解第 100 题请谈谈你对大语言模型（LLM）的基本原理、典型应用和局限性的理解。 考察对大模型基础知识的掌握深度、应用场景认知及风险意识