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 61 题知道哪些大模型微调方法？ 考察对大模型微调技术栈的了解和广度第 62 题若你参与过大模型的本地化部署，请对比本地部署与Web API、人工处理在数据处理结果上的差异。 考察对模型部署方式、结果质量与适用场景的理解及经验第 63 题请简述大模型微调的常见方法（如全量微调、LoRA、QLoRA）及其适用场景。 考察对大模型微调技术栈的理解及场景化选型能力第 64 题你了解大模型有哪些应用场景吗？ 考察对大模型实际应用和市场趋势的理解广度与深度第 65 题请分享一篇你印象最深的大模型相关论文，并说明其中你认为最有价值的观点或技术点。 考察大模型方向的技术视野、阅读深度和提炼能力第 66 题大模型工具调用的实现方式 考察对大模型工具调用机制和实现细节的理解第 67 题什么是大模型幻觉？请举例说明其典型表现。 考察对大模型幻觉概念与表现的理解第 68 题假设我们有一个效果很好的70B大模型，但因为太大太慢，没法直接上线。请列举并比较主要的模型压缩方法比如剪枝和量化，说明各自的优缺点。 考察对大模型压缩核心方法的理解与权衡能力第 69 题大模型在DA中的核心价值是什么 考察对大模型应用于数据分析的驱动价值与场景理解第 70 题LLM4Rec对比传统搜推带来了哪些收益？ 考察对基于大语言模型的推荐方法与传统搜索推荐在收益层面的理解第 71 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 72 题请结合你在大模型方向的研究与实践，谈谈 Transformer 的架构特点，以及这些特点如何支撑大模型的训练和部署。 考察对 Transformer 架构及其在大模型工程应用中的理解深度第 73 题如何为 LLM 自动化测评编写有效的断言？ 考察 LLM 输出自动评估中断言设计的原则与实践第 74 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 75 题请详细介绍大模型意图识别的核心流程和关键技术点。 考察对基于大模型的意图识别系统的理解和表达能力第 76 题请谈谈你是否完整地从零预训练过大语言模型，以及过程中遇到的核心挑战。 考察大模型预训练的实际经验、技术理解与问题排查能力第 77 题请谈谈你对AI Agent的理解，包括其核心特征、关键技术以及可能的落地场景。 考察对AI Agent概念、核心特征、关键技术及落地场景的理解深度第 78 题请解释GQA（分组查询注意力）和MLA（多头潜在注意力）等注意力机制的结构及其在LLM中的作用。 考察对前沿注意力机制原理的理解及在LLM中的应用第 79 题请谈谈强化学习（RL）在大语言模型中的应用，以及你对当前技术现状的理解。 考察候选人对强化学习在大模型训练中作用、方法演进和现状的理解第 80 题如何评估一个大型语言模型（LLM）的综合能力？ 考察对LLM评估方法论、指标和实际应用的理解