专业服务行业面试题 · 技术原理 · tech:llm
专业服务行业相关面试题，按题目行业基础数据聚合。
共 27579 道真题 · 当前筛选命中 75 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:llm
考察点
技术栈
第 41 题如何评估大模型回答的效果？ 考察对大模型评估方法论、指标和实际应用的理解第 42 题你们每次检测时大概调用几次大模型？ 考察对单次业务流程中调用次数的理解第 43 题请详细讲解大模型在意图识别任务中的应用方法与关键环节。 考察对大模型意图识别原理、流程与工程细节的系统理解第 44 题请介绍你的项目中 LLM 微调的整体流程和方法。 考察对 LLM 微调流程的理解与项目实践第 45 题拆解大模型智能体(Agent)的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。 考察对大模型智能体核心模块及其协作机制的理解第 46 题请解释大模型生成中的三大调试参数：Temperature、Top-K 和 Top-P，并说明它们各自的作用与适用场景。 考察对大模型采样参数的理解与工程应用能力第 47 题请概述大语言模型强化学习的关键发展阶段及各自的核心技术思想。 考察对LLM强化学习演进脉络的理解与表述能力第 48 题请谈谈你对当前主流大语言模型技术路线的理解，以及它在实际业务中的应用价值。 考察对大模型基础原理、生态现状及业务落地的综合认知第 49 题用大模型对 item 做语义 Embedding 有什么缺点？ 考察对大规模语义向量化方案的局限性和工程权衡的理解第 50 题在大语言模型中，“向量”这个概念是什么意思？它在模型的输入和内部计算中扮演什么角色？ 考察对词向量、嵌入表示及向量在模型内部作用的深入理解第 51 题请谈谈你对大语言模型（LLM）的基本原理、典型应用和局限性的理解。 考察对大模型基础知识的掌握深度、应用场景认知及风险意识第 52 题大模型智能体(Agent)的工作原理和组成部分 考察对大模型智能体架构、核心组件及其协作机制的理解第 53 题请说明RAG（检索增强生成）的核心原理和标准流程。 考察对RAG原理、流程与组件的理解深度第 54 题请解释大模型幻觉问题，并说明常见的缓解策略。 考察对大模型幻觉现象的成因理解与工程应对能力第 55 题请概述一篇你熟悉的大模型相关论文，包括其核心任务、使用的数据集以及评估指标。 考察对大模型研究的理解深度及信息提炼能力第 56 题大模型怎么解决用户兴趣漂移的问题？ 考察对动态用户建模与推荐系统更新的理解第 57 题LLM推理时有哪些采样参数设置（如top-k、top-p），一般如何调整？ 考察对大模型推理采样机制的理解及调参实践的掌握第 58 题怎么解决LLM幻觉问题？ 考察对大模型幻觉成因及系统性缓解策略的理解第 59 题如何确保大模型输出内容的一致性？ 考察对大模型输出不稳定性来源的理解以及系统层面的一致性保障手段第 60 题如何解决大模型的灾难性遗忘问题？ 考察对灾难性遗忘解决策略的知识广度与实现认知