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 161 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 162 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第 163 题如何系统地学习大语言模型技术？ 考察学习路径规划、技术理解深度和自我驱动能力第 164 题请解释大模型生成时常用的几个采样参数（如temperature、top_p、top_k）的作用，并说明它们之间的区别。 考察对大模型推理采样参数的理解与应用权衡第 165 题请谈谈你对大语言模型和生成式模型的理解，包括它们的基本原理和主要应用场景。 考察对大模型的基本认知和知识广度第 166 题你对大语言模型（LLM）的能力边界和典型应用场景有哪些认识？ 考察对大语言模型基本原理、能力边界与业务应用的认知深度第 167 题你平时是否有学习和运用AI及大模型相关的知识？具体使用过哪些AI大模型？ 考察候选人对AI大模型的技术了解程度和实际应用能力第 168 题你对大模型应用开发的关键点有什么总结？ 考察对大模型应用开发全流程的理解与归纳能力第 169 题在使用大模型生成代码的过程中，你遇到了哪些挑战和阻塞点？在工程化方面是如何解决的？ 考察大模型辅助编码的实际应用、问题识别与工程化解决能力第 170 题公司内部coding应该使用第三方的大模型吗？ 考察技术选型、安全合规与成本收益的综合权衡第 171 题在大模型优化中，常用的算法有哪些？请举例说明。 考察对大模型优化算法的了解与应用第 172 题请介绍你参与过的基于大语言模型（LLM）的项目，包括项目背景、你的具体职责、技术方案和最终效果。 考察候选人从项目背景、技术实现到结果复盘的完整表达能力，以及对大模型应用的深入理解第 173 题请解释什么是RAG（检索增强生成），并说明其核心工作原理与适用场景。 考察对RAG概念、流程及适用场景的理解第 174 题实习过程中使用过大模型吗？ 考察候选人实习中接触大模型的实际经历与深度