教育/培训行业面试题 · tech:llm
教育/培训行业相关面试题，按题目行业基础数据聚合。
共 3709 道真题 · 当前筛选命中 13 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 1 题请解释LLM解码过程中常用的采样参数top-k、top-p和Temperature各自的作用，并说明它们之间的区别。 考察对LLM解码机制及采样参数原理与区别的理解第 2 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 3 题在构造大模型对话时，你是如何设计system prompt的？请说明设计要点和考虑因素。 考察候选人对提示词工程和角色设定的理解与实操能力第 4 题用LLM作为评估器的话，这种用概率模型评估概率模型，怎么确保评测的可靠性和稳定性？ 考察使用LLM作为评估器时的可靠性、稳定性和偏差控制能力第 5 题在大模型监督微调（SFT）阶段，常用的数据集格式有哪些？请举例说明。 考察对SFT数据组织形式和构造方法的理解第 6 题请说明大语言模型预训练的基本流程，包括输入数据的构成和训练方式。 考察对大模型预训练流程、输入格式和训练目标的理解第 7 题大模型训练时采用什么padding方式，为什么？ 考察对序列填充策略及其对训练效率和注意力机制影响的理解第 8 题请谈谈你对当前AI大模型技术的了解，包括其基本原理和你能接触到的实际应用。 考察候选人对AI大模型的基础认知及知识深度第 9 题我们公司主要围绕大模型开发相关产品，你入职后能为我们带来哪些具体价值？ 考察候选人对岗位的理解、业务结合能力与价值创造意识第 10 题CLIP的对比学习中的Temperature和LLM解码器中的Temperature是同一个概念吗？ 考察对两种不同场景下Temperature参数的理解与区分第 11 题请介绍你对大模型和 Spring AI 的理解。 考察对大模型相关技术栈及 Spring AI 框架的认知程度第 12 题请介绍你如何设计一个基于大模型的RAG（检索增强生成）系统，并说明关键环节和挑战。 考察对RAG系统架构、检索与生成结合及工程化挑战的理解第 13 题请谈谈你对大模型底层原理的了解，包括Transformer架构和注意力机制。 考察对大模型核心技术原理的理解深度