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 61 题有用过大模型吗？ 考察候选人对大模型的实际使用经验、理解深度和应用场景第 62 题你最近在研究什么技术方向？可以重点讲讲你在大模型方面的学习或实践。 考察持续学习能力、技术深度和兴趣方向第 63 题你理解大模型出现幻觉的原因是什么？ 考察对大模型幻觉机制的理解及分析深度第 64 题你提到了自己在语音识别、大模型上有一些经验，这个和我们的岗位有一些相关性，除了处理数据的能力优势之外，还有什么契合的点？ 考察求职者将自身技术背景与目标岗位需求关联的能力，以及对人岗匹配的理解第 65 题请解释大模型推理时 top-p、top-k 和 temperature 参数各自的含义与作用。 考察对大模型采样策略中关键参数的理解第 66 题你了解哪些大模型的主要应用场景？请结合具体案例说明。 考察对大模型应用领域的认知广度与深度，以及结合实际案例分析的能力第 67 题你了解大模型在推荐系统中的哪些应用？ 考察对大模型与推荐系统结合的技术理解与知识广度第 68 题请解释什么是上下文工程（Context Engineering），并说明它与提示词工程的区别。 考察对上下文工程概念及相关技术的理解第 69 题请介绍你对RAG（检索增强生成）的理解，并说明其核心组件和工作流程。 考察对RAG原理、组件及流程的理解深度第 70 题针对模型幻觉有什么手段？ 考察对大模型幻觉原因的理解及系统性缓解方法第 71 题当输入超过模型上下文长度时，有哪些主流解决方案？（如滑动窗口、压缩、摘要） 考察对长上下文处理技术的理解与权衡第 72 题你觉得LLM的原子能力有哪些，它为什么能被用来做应用？ 考察对LLM核心能力的理解及其应用基础第 73 题你认为大模型相比之前的AI技术，本质上解决了什么问题？为什么人们对它抱有这么高的期待？ 考察对大模型技术本质的理解及对行业影响的判断第 74 题对目前LLM领域的最新进展一直在关注吗？ 考察候选人对LLM领域的持续学习和知识更新能力第 75 题请谈谈你对大语言模型的基本了解，包括其主要特点和应用场景。 考察对AI基础概念的认知及表达能力第 76 题利用大模型进行代码的缺陷检测，你了解大模型底层是怎么做到输入代码返回缺陷的吗？ 考察对大模型处理代码的机理理解，包括预训练、上下文编码、注意力机制与生成/分类原理第 77 题什么是AI幻觉？在实际应用中如何降低大模型产生幻觉的风险？ 考察对AI幻觉成因的认知及应对策略第 78 题请介绍一个你最近使用大模型完成的项目，包括项目背景、技术方案和成果。 考察大模型实际应用能力、项目完整性和技术理解第 79 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 80 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