互联网/IT行业面试题 · 技术选型 · 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 46 道 · 更新 2026-08-05
筛选题目已选：技术选型 · tech:llm
考察点
技术栈
第 1 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 2 题如何降低大模型AI幻觉率？请给出具体可落地的方案。 考察对幻觉缓解方法的体系化理解与工程落地能力第 3 题你用到的大模型参数量是多少？为什么不用其他模型？ 考察对模型选型的依据和比较能力第 4 题请列举大模型微调的主要方法，并简要说明各自的特点。 考察对大模型微调技术体系的理解广度与基本辨析第 5 题LLM（大语言模型）有哪些微调方式？ 考察对大语言模型微调方法的理解和分类能力第 6 题探讨LLM是否适合生成embedding，分析encoder和decoder架构的适配性，以及Decoder-only架构的Qwen用作encoder的原因。 考察对LLM架构差异、embedding生成原理及模型适配性的理解第 7 题微调大语言模型通常有哪几种方式？各有什么适用场景和优缺点？ 考察对主流大模型微调方式的体系化认知与场景判断第 8 题请介绍你对 DAPO 的了解，并阐述它的主要创新点。 考察对 DAPO 算法原理与创新点的理解深度第 9 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 10 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 11 题如果要做微调，你会怎么做？ 考察对大模型微调流程、数据与策略的理解第 12 题在企业落地场景中，通用大模型和垂类小模型哪个更适合？请结合具体考量因素说明。 考察候选人基于企业实际需求进行技术选型和方案权衡的能力第 13 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 14 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 15 题请结合贝壳的业务特点，谈谈大模型或AI技术可以在哪些方面带来业务增长机会？ 考察对AI技术应用场景的理解以及对贝壳业务模式的分析能力第 16 题讲一下 LoRA 微调的原理。 考察对大模型参数高效微调方法 LoRA 的核心机制理解第 17 题用LLM做文本分类时，如何选择encoder架构和decoder架构？ 考察对LLM架构原理及其在分类任务中适用性的理解第 18 题请谈谈你如何看待AI与游戏结合的方式，可以举例说明你认可的应用场景。 考察对AI在游戏领域应用的理解与视野第 19 题微调大模型的方法有哪些？ 考察对主流大模型微调方法的体系化理解与适用场景辨析第 20 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