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 81 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 82 题你了解大模型有哪些应用场景吗？ 考察对大模型实际应用和市场趋势的理解广度与深度第 83 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 84 题请分享一篇你印象最深的大模型相关论文，并说明其中你认为最有价值的观点或技术点。 考察大模型方向的技术视野、阅读深度和提炼能力第 85 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 86 题大模型工具调用的实现方式 考察对大模型工具调用机制和实现细节的理解第 87 题什么是大模型幻觉？请举例说明其典型表现。 考察对大模型幻觉概念与表现的理解第 88 题平常训练或者微调 LLM 或 VLM，有什么感受？ 考察对大型模型训练或微调的实际体验、方法论理解与问题处理能力第 89 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 90 题大模型在DA中的核心价值是什么 考察对大模型应用于数据分析的驱动价值与场景理解第 91 题LLM4Rec对比传统搜推带来了哪些收益？ 考察对基于大语言模型的推荐方法与传统搜索推荐在收益层面的理解第 92 题除了简历上的项目，你还做过哪些与LLM相关的项目？ 考察候选人是否具备LLM领域持续的实践经验、学习自主性和能力边界认知第 93 题请介绍一下你对大模型相关原理的理解，例如 Agent 和 RAG 的概念。 考察对大模型原理的掌握程度以及相关概念的理解深度第 94 题请结合你在大模型方向的研究与实践，谈谈 Transformer 的架构特点，以及这些特点如何支撑大模型的训练和部署。 考察对 Transformer 架构及其在大模型工程应用中的理解深度第 95 题如何为 LLM 自动化测评编写有效的断言？ 考察 LLM 输出自动评估中断言设计的原则与实践第 96 题请说明大模型在推荐系统中用于物品特征构建时的工作原理和典型方法。 考察对大模型赋能物品特征表征的理解和落地能力第 97 题请详细介绍大模型意图识别的核心流程和关键技术点。 考察对基于大模型的意图识别系统的理解和表达能力第 98 题如何评估一个大型语言模型的实际效果？ 考察候选人设计评估体系的能力和工程化思维第 99 题请谈谈你是否完整地从零预训练过大语言模型，以及过程中遇到的核心挑战。 考察大模型预训练的实际经验、技术理解与问题排查能力第 100 题请谈谈你对AI Agent的理解，包括其核心特征、关键技术以及可能的落地场景。 考察对AI Agent概念、核心特征、关键技术及落地场景的理解深度