人工智能行业面试题 · 技术选型
人工智能行业相关面试题，按题目行业基础数据聚合。
共 6000 道真题 · 当前筛选命中 663 道 · 更新 2026-08-05
筛选题目已选：技术选型
考察点
技术栈
第 121 题请介绍UNet的网络结构及其在医学图像分割中的应用优势。 考察对UNet编码器-解码器、跳跃连接结构的理解及其在分割任务中的适用性第 122 题有用过智能指针吗，它的底层实现是怎么样的？ 考察智能指针的类型认知、资源管理机制和底层原理第 123 题在视觉Transformer中，图像经过patch切分后，如何为每个patch添加位置编码？请说明常见实现方式及其设计考量。 考察对视觉Transformer位置编码原理与实现细节的理解第 124 题Node.js和Django分别是什么作用？ 考察对Node.js和Django基本定位与适用场景的理解第 125 题请详细介绍你项目中深度学习技术的相关细节，包括使用的原因和带来的优势。 考察深度学习技术选型与项目落地效果评估的能力第 126 题请介绍一下你对 NEON 框架的了解和理解。 考察候选人是否了解 NEON 框架的核心概念及应用场景第 127 题请比较语言模型（LM）和图神经网络（GNN）的不同，并说明各自的优点。 考察对两类模型的基本原理、适用场景及优势的准确理解第 128 题兄弟组件A的变量如何在组件B中使用，变量改变后如何更新？说说怎么用useContext。 考察React跨组件状态共享与useContext的使用及更新机制第 129 题在实际工程中，这类技术通常在哪些场景下落地应用？ 考察对技术应用场景的理解与业务价值判断第 130 题LoRA的具体实现方式,以及通常训练的参数类型 考察对LoRA的数学机理、实现细节以及其可训练参数类型的掌握第 131 题对比C++和Java在内存管理、性能、跨平台和编程范式上的主要差异。 考察对两种主流语言核心特性差异的理解与对比能力第 132 题请对比线程和协程在并发场景下的区别，并说明各自适用的场景。 考察对并发模型底层机制的理解与选型能力第 133 题你如何设计一个二次封装的 HTTP 请求层？会基于哪些考虑？ 考察对 HTTP 封装层设计的全局考虑，包括统一处理、扩展性、错误处理等第 134 题请解析你熟悉的 TCP 拥塞控制算法，说明各自的核心机制与适用场景。 考察对 TCP 拥塞控制算法原理、机制差异与适用场景的理解深度第 135 题LoRA与QLoRA的区别是什么？ 考察对参数高效微调两种主流方法的原理理解与适用场景辨析第 136 题请对比 Redis 和 Caffeine 在缓存应用中的优缺点与适用场景。 考察对分布式缓存与本地缓存特性的理解及选型能力第 137 题模型量化方法有哪些？ 考察对模型量化技术体系的理解与分类能力第 138 题短信服务如何保持高可用？请重点说明下游熔断机制。 考察系统高可用设计及对下游依赖的容错处理能力第 139 题如何用C语言模拟实现C++的访问控制（权限）机制？ 考察对面向对象封装与访问控制原理的理解，以及用C语言进行结构化模拟的能力第 140 题请对比 EM planner 与 Lattice planner 在自动驾驶轨迹规划中的应用。 考察对两种规划算法原理、适用场景与差异的理解