互联网/IT行业面试题 · 技术原理 · tech:llm
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 160 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:llm
考察点
技术栈
第 1 题请讲一讲GRPO的原理、优劣以及后续改进方向。 考察对GRPO算法原理、优劣对比及后续改进的综合理解第 2 题请介绍并对比大语言模型（LLM）的三种典型架构，并说明它们各自的特点。 考察对大语言模型架构的理解与对比能力第 3 题你认为通用大模型和垂类小模型未来会形成怎样的分工？ 考察对AI模型生态演化趋势的洞察和逻辑推理能力第 4 题请结合你的实际经验，说明大语言模型通常适合解决哪类问题，并举例说明不适合的场景。 考察对大模型能力边界的理解与场景选择能力第 5 题你是否有过微调大语言模型的实战经历？如果有，请简要说明项目背景和你承担的工作。 了解候选人微调大模型的实际经验与个人职责第 6 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 7 题你提到大模型推理速度慢，请分析一下推理慢的主要原因。 考察对大模型推理性能瓶颈的理解和系统性分析能力第 8 题请解释AI Agent（智能体）的核心实现原理和工作机制。 考察对AI Agent架构、工作流程和关键机制的理解第 9 题请介绍你在项目中如何使用大模型、RAG 和 LangChain 技术，并说明它们的核心作用。 考察对大模型应用、RAG 和 LangChain 的理解与实践能力第 10 题如何构造大语言模型微调所需的训练数据？ 考察对微调数据构造流程、数据质量与多样性管理的理解第 11 题你对AI大模型有什么看法？用过哪些大模型，认为它们有什么弊端？ 考察对大模型的实践使用、技术理解与风险认知第 12 题你如何训练一个垂类大模型？请说明从数据准备到训练完成的关键流程。 考察垂类大模型训练流程的完整理解第 13 题如何理解AI幻觉问题？ 考察对AI幻觉现象本质、成因和类型的基本认知第 14 题请你谈谈对大型语言模型（LLM）内部工作机制的理解，并举例说明其关键组成部分。 考察对大模型核心原理的掌握程度与概念准确性第 15 题SFT（监督微调）的大致训练流程是怎样的？ 考察对大模型监督微调流程的理解和关键技术点掌握第 16 题从大模型端看，应该做哪些工作来适配Agent架构？ 考察对大模型能力边界与Agent工具调用、规划、记忆等机制的适配理解第 17 题大模型SFT解决不了业务问题吗？为什么还要引入强化学习？强化学习主要解决业务中的什么问题？ 考察对SFT与强化学习在大模型训练中定位差异的理解，及强化学习针对的业务目标第 18 题如何实现并优化LLM的JSON结构化输出？请谈谈你的思路和注意事项。 考察对LLM结构化输出方法、约束机制及错误处理的掌握第 19 题当大模型微调后效果不理想时，你会如何系统分析并定位问题？ 考察对微调全流程的理解、问题定位方法和系统化排错能力第 20 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