金融行业面试题 · tech:llm
金融行业相关面试题，按题目行业基础数据聚合。
共 8448 道真题 · 当前筛选命中 19 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 1 题请介绍当前大模型推理的最新技术进展，并说明如何获取和跟踪这些最新技术。 考察对大模型推理前沿技术的了解、信息获取途径及持续学习能力第 2 题LLM训练中遇到Loss突增如何解决？ 考察对LLM训练稳定性问题及诊断排查能力第 3 题请谈谈你对大模型微调（Fine-tuning）的理解，以及你是否有过实际微调经验？ 考察对大模型微调概念的掌握程度及实践能力第 4 题你对大模型基础原理的了解是？ 考察对大模型核心概念和训练流程的基础认知第 5 题大模型中的幻觉怎么处理？ 考察对大模型幻觉成因及缓解策略的系统理解第 6 题请谈谈你对大模型推理优化的理解，包括常用的优化方法及其适用场景。 考察对大模型推理性能优化方法的掌握与场景判断能力第 7 题请解释RoPE（旋转位置编码）的原理。 考察对位置编码机制的理解深度第 8 题目前大语言模型常用的微调方式有哪些？ 考察对主流LLM微调范式的整体认知与优劣比较第 9 题如何优化大模型训练速度？ 考察对大模型训练性能优化方法、理论依据和实践细节的掌握第 10 题请解释一下大型语言模型中 ReAct 模式的核心思想，并说明其典型应用方式。 考察对 ReAct 模式原理与应用场景的理解第 11 题你平时是否有学习和运用AI及大模型相关的知识？具体使用过哪些AI大模型？ 考察候选人对AI大模型的技术了解程度和实际应用能力第 12 题在缺少金标准数据的情况下，如何确保LLM生成数据的质量评估是可靠的？ 考察对无监督评估方法可靠性与局限性的理解第 13 题LoRA和Adapter在原理与实现上有什么区别？ 考察对两种PEFT方法机制差异的深入理解第 14 题如何判断大语言模型生成的数据是否正确？在缺少金标准数据时有哪些评估方法？ 考察对LLM生成内容质量评估的理解和实际方法论第 15 题在学校做的LLM微调项目中，你遇到了哪些问题？ 考察候选人在LLM微调实践中的问题识别、定位与解决能力第 16 题请描述大模型推理（inference）过程中 prefill 和 decode 两个阶段各自的作用和特点。 考察对大模型推理流程中 prefill 与 decode 阶段的理解第 17 题请谈谈你对大语言模型的看法，以及它在实际应用中的潜力和挑战。 考察对大语言模型技术本质、应用价值与局限性的理解第 18 题你了解过大模型、机器学习和深度学习吗？ 考察候选人对AI基础概念的了解程度及求知意愿第 19 题大模型有哪些可选参数？ 考察对大模型核心生成参数及其作用的理解