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 101 题有用过大模型吗？ 考察候选人对大模型的实际使用经验、理解深度和应用场景第 102 题请具体谈谈你对人工智能的理解，包括你熟悉的技术方向和应用场景。 考察候选人AI知识体系的广度与深度第 103 题请谈谈你对福富软件公司的了解，以及其与电信业务结合、AI模块化和大模型训练方向的相关性。 考察候选人对目标公司业务方向的了解及岗位认知第 104 题调用大模型时可能会调用失败，你们怎么处理这些异常？ 考察对模型调用稳定性保障的理解及异常处理体系的完整性第 105 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 106 题请介绍在你的项目中具体使用了哪些大语言模型（LLM）能力，以及它们如何解决业务问题或提升产品体验。 考察对LLM应用场景的理解、技术选型依据及落地效果第 107 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 108 题请谈谈你对大模型应用场景的理解，并举例说明如何通过提示词工程优化实际任务效果。 考察对大模型应用场景的认知及提示词工程在实际任务中的运用能力第 109 题请介绍一个你参与的大模型生成代码项目，说明项目的输入和输出分别是什么。 考察对项目输入输出定义的理解和表达能力第 110 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 111 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 112 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 113 题大模型推理分为哪些阶段？ 考察对大模型推理流程的宏观理解与阶段划分能力第 114 题面试中提到很多大模型相关的内容，你认为大模型技术将如何影响[目标岗位]的工作？ 考察候选人对新技术趋势的敏感度和对岗位发展的理解第 115 题基于目前的日志处理，如何用大模型来获取我们需要的日志信息？ 考察将大模型应用于日志信息提取的设计思路第 116 题你了解哪些生成式推荐的论文？ 考察对生成式推荐领域前沿研究的了解深度与广度第 117 题平时使用大模型时传入的超参数有哪些？它们分别有什么作用，又是如何影响模型回答的？ 考察对大模型推理阶段超参数的理解及应用能力第 118 题请描述大语言模型（LLM）、智能体（Agent）与模型上下文协议（MCP）之间的关系。 考察对LLM、Agent、MCP三者角色定位与协作关系的理解第 119 题请介绍你对大模型和多模态技术的理解，以及它们在实际应用中的价值和挑战。 考察对大模型、多模态技术的知识掌握、应用意识与风险认知第 120 题请谈谈你对大模型等前沿技术方向的了解。 考察对前沿技术趋势的认知深度与表达清晰度