电子/半导体行业面试题 · tech:llm
电子/半导体行业相关面试题，按题目行业基础数据聚合。
共 19445 道真题 · 当前筛选命中 37 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 1 题请说明大模型幻觉问题的成因及常见解决方法。 考察对大模型幻觉现象的理解与工程对策第 2 题请简要介绍你了解或使用过的大模型，并说明它们的特点或适用场景。 考察对大模型的基础认知、技术理解与选型意识第 3 题请详细解释LoRA（低秩适配）的原理，说明它为什么能大幅减少微调参数量。 考察对LoRA技术原理和参数高效微调机制的理解第 4 题请说明 KV Cache 在 LLM 推理中的优化方法，并分析各自的适用场景与权衡。 考察对大模型推理优化技术（KV Cache）的原理理解与方案权衡能力第 5 题请介绍大语言模型（LLM）的典型架构，并说明监督微调（SFT）与参数高效微调（PEFT）的主要区别和适用场景。 考察对LLM基础架构与微调方法的理解深度第 6 题你如何看待不同主流大语言模型的差异？你会如何选择和使用它们？ 考察对大语言模型生态的认知与选型能力第 7 题请谈谈你对大模型技术的了解，特别是 RAG（检索增强生成）的原理和应用。 考察对大模型基础概念及RAG技术的理解深度第 8 题大模型有哪些微调方法？ 考察对大模型微调技术分类和适用场景的理解第 9 题请谈谈你对当前AI发展趋势的看法，并结合实际场景说明这些趋势可能带来的影响。 考察对AI技术方向的理解深度、行业认知及信息分析能力第 10 题请介绍你对SFT（监督微调）的理解，以及它在大模型训练流程中的位置。 考察对监督微调基本概念和训练流程的掌握第 11 题请分别说明大模型训练和推理阶段的主要性能优化手段。 考察对大模型训练与推理性能优化的系统理解与工程实践第 12 题你对大语言模型（LLM）的能力边界和典型应用场景有哪些认识？ 考察对大语言模型基本原理、能力边界与业务应用的认知深度第 13 题请谈谈你对大语言模型（LLM）相关知识的了解情况，包括其基本原理、核心能力以及典型应用场景。 考察对大语言模型基础原理、核心能力与应用场景的整体认知第 14 题请谈谈你对人工智能的理解，以及你在实际工作或项目中应用AI工具或技术的场景与心得。 考察候选人的人工智能认知深度、实际应用经验与业务结合能力第 15 题如何设计一个200B参数大模型的16卡分布式训练方案？ 考察大规模模型分布式训练的资源评估与并行策略设计第 16 题如何缓解大模型的幻觉问题？ 考察对生成幻觉成因与缓解策略的系统性理解第 17 题请从效果、参数量、显存占用、部署影响和适用场景等角度，对比LoRA与全量SFT的差异。 考察对LoRA和SFT权衡的理解以及技术选型能力第 18 题请列举常见的大模型架构类型，并说明哪些模型采用 decoder-only 结构，哪些采用 encoder-decoder 结构。 考察对主流大模型架构分类及代表模型的掌握程度第 19 题针对大模型幻觉问题，你会如何应用所学知识来应对和解决？ 考察对大模型幻觉成因的理解及结合实际约束的解决策略第 20 题如何看待大模型，这些工具与我们工作的关系？ 考察对AI工具的认知、工作场景应用及人机协作判断力