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 101 题你了解大模型微调吗？请说明QLoRA的原理。 考察对大模型微调方法及QLoRA技术原理的理解深度第 102 题主流LLM模型结构设计有什么特点？ 考察对现代大语言模型架构设计的理解与归纳能力第 103 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 104 题在亿级用户历史数据背景下，LLM在推荐系统中有哪些典型应用方式？请结合实际场景说明。 考察LLM在推荐系统中的落地应用与工程权衡第 105 题请介绍你有道词典中英文互译或中小学生答题方向的大模型落地经验。 考察大模型在具体教育场景的落地能力与研究实践第 106 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 107 题请谈谈你对大语言模型微调的理解，包括其实现原理，以及你做过哪些与AI相关的实践。 考察对模型微调原理的理解深度与实际AI实践经验第 108 题请说明在监督微调（SFT）中损失函数的具体计算方式，以及它与预训练阶段损失计算的异同。 考察对SFT训练目标、损失函数来源及与预训练区别的理解第 109 题大语言模型的损失函数通常是什么？给定一个10万词表的词汇表，如何计算其损失值？ 考察对语言模型训练目标的理解及交叉熵损失的计算能力第 110 题请说明 LLM 作为评判者（LLM-as-a-Judge）在哪些场景下可能失效，并解释原因。 考察对 LLM 评估方法局限性的理解与风险判断第 111 题大模型SFT(监督微调)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分工及业务价值差异的理解第 112 题请介绍对编码模型（如代码生成模型）的了解，包括原理和优缺点。 考察对代码生成模型原理及局限的认知第 113 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 114 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第 115 题国内大语言模型（LLM）产品你了解哪些？请简要介绍。 考察对国内大模型生态的认知广度与技术理解第 116 题为什么大模型有few-shot能力？讲一下few-shot能力的原理。 考察对大模型上下文学习机制与少样本泛化原理的理解第 117 题LLM中常用的激活函数有哪些？ 考察对主流大语言模型架构中激活函数选型的理解第 118 题为什么需要 Agent，它和大模型有什么不同？ 考察对 Agent 与大模型差异的理解、应用场景判断及技术原理掌握第 119 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 120 题请详细说明大模型Function Calling的具体细节和流程。 考察对Function Calling机制的理解、实现流程和工程落地细节