互联网/IT行业面试题 · 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 219 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 201 题你了解大模型的基本原理吗？请简要介绍你熟悉的大模型架构和核心概念。 考察对大模型基础知识和核心概念的掌握程度第 202 题讲讲你知道的大模型技术最新发展 考察对大模型技术前沿动态的跟踪广度和理解深度第 203 题聊聊你对生成式推荐（基于LLM的推荐系统）的理解和想象空间。 考察对生成式推荐技术方向的理解、认知深度与观点表达第 204 题请介绍大模型微调的主要方法，并说明如何优化微调过程。 考察大模型微调技术储备与工程优化思路第 205 题请解释大语言模型推理时的采样参数 temperature、top-k 和 top-p 各自的作用，并说明它们对生成结果的影响。 考察对 LLM 解码阶段采样策略的理解与应用第 206 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第 207 题在当下的大模型时代，你认为AI对学习和编程带来了哪些冲击与影响？ 考察对技术趋势的认知深度、批判性思维及对自身学习和工作方式的反思第 208 题请简述使用大型语言模型进行文本生成时，`temperature`、`top_p` 等参数各自的作用是什么？ 考察对LLM生成参数的理解及对生成随机性与确定性的影响第 209 题在电商场景下，你会选择哪个方向探索AI应用并产出MVP？请说明方向选择、模型技术和实现路径。 考察电商业务理解、AI技术选型及MVP落地思路第 210 题在内部技术选型中，你们是如何评估并确定使用某款大模型而非其他备选方案的？ 考察技术选型的评估流程、决策依据和开放性第 211 题在设计基于 LLM 的检索系统时，如何更好地引入和使用 Embedding？ 考察对 LLM Embedding 的本质理解、选型与质量评估能力第 212 题讲一下SFT时会对哪部分计算loss？为什么？ 考察对监督微调损失计算位置及其原因的理解第 213 题训练或微调一个大型语言模型（LLM）的完整流程是怎样的？ 考察对LLM预训练、微调及评估全流程的掌握程度第 214 题Agent（智能体）与大语言模型有什么差别？ 考察对 Agent 与大模型层级关系、能力边界和控制机制的理解第 215 题Agent跟大语言模型有什么差别？ 考察候选人对Agent与大语言模型概念边界的理解与本质差异的把握第 216 题请介绍一个你参与的 RAG（检索增强生成）项目，包括系统架构、关键模块和主要挑战。 考察对 RAG 完整链路（检索、重排、生成）的理解与项目落地能力第 217 题如何设计并实现一个基于大模型的 Agent 架构？请说明各模块的作用和关键设计点。 考察 Agent 架构设计能力与工程实现细节第 218 题如何看待大语言模型的未来发展趋势和对我们生活的影响和改变？ 考察对技术趋势的理解、前瞻性思考及社会影响分析能力第 219 题介绍IOT场景，说明米家场景中使用LLM的优势 考察物联网场景理解与LLM在智能家居中的应用优势