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 21 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 22 题如果训练大模型时显存不够，你会用哪些技术缓解？ 考察显存优化技术全景和适用场景的判断第 23 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 24 题日常使用哪些大模型？ 考察对大模型工具的日常使用习惯与熟悉程度第 25 题你们的大模型是从零训练还是基于开源模型微调的？请说明选型理由。 考察对模型选型、训练成本与效果平衡的理解第 26 题对LLM4Rec的后续迭代方向有什么见解？ 考察对推荐系统与大型语言模型结合的前沿理解及技术规划能力第 27 题在实际项目中，你们选择微调大模型还是调用大模型API时，是如何评估计算成本和必要性的？ 考察大模型技术选型时对成本与收益的权衡能力第 28 题文本描述的推理总结选用什么LLM基座？原因是什么？ 考察对LLM基座选型的理解、推理与总结任务特点的匹配及技术权衡第 29 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 30 题在这些大模型工具中，你觉得哪一个更好，为什么？ 考察候选人的工具评估能力与判断依据第 31 题请结合你的实际经验，谈谈你如何使用大模型（如通义千问）辅助进行故障或问题的根因预测？ 考察候选人将大模型应用于实际运维或问题定位场景的实践能力与思考深度第 32 题大模型对业务解决问题的能力相对传统方式有什么优势？ 考察对大模型能力边界、适用场景及与传统方法对比的理解第 33 题使用垂类大模型主要解决什么问题？相比通用大模型有何优势？ 考察对垂类大模型价值定位与场景适配的理解第 34 题你了解 LangChain 吗？请说明它的工作机制。 考察框架认知、核心抽象理解与组件协作逻辑第 35 题针对大模型幻觉问题，请提出系统性的解决方案。 考察对大模型幻觉治理方法体系的掌握与整合能力第 36 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 37 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 38 题如何评估一个代码生成模型的能力？ 考察对代码模型评测维度与方法的理解第 39 题请谈谈开放性问题推荐与大语言模型技术结合的设计思路。 考察将大模型应用于推荐系统场景的架构设计与权衡能力第 40 题请介绍在你的项目中具体使用了哪些大语言模型（LLM）能力，以及它们如何解决业务问题或提升产品体验。 考察对LLM应用场景的理解、技术选型依据及落地效果