腾讯面试题 · tech:lora
腾讯相关面试题，按最终去重题目聚合。
共 3056 道真题 · 当前筛选命中 10 道 · 更新 2026-08-05
筛选题目已选：tech:lora
考察点
技术栈
第 1 题请对比LoRA微调与全参数微调Qwen模型在性能和效果上的差异。 考察对微调方法的理解、性能对比分析及适用场景选择第 2 题LoRA 微调中，rank 值应该如何设置？有哪些实践技巧？ 考察对 LoRA 超参数 rank 的理解及折中权衡第 3 题LoRA 和全参数微调相比，在推荐场景下各自的优缺点是什么？ 考察对参数高效微调技术在推荐系统中的理解与选型能力第 4 题在微调大语言模型时，LoRA模块通常加在哪些层？rank值的设置有什么技巧？ 考察对LoRA机制的理解、应用位置选择及超参数调优经验第 5 题请分别介绍 LoRA、SFT 和 GRPO 的概念、作用与适用场景。 考察对三种主流模型训练与微调技术的理解深度与区分能力第 6 题LoRA怎么微调？请解释其原理，并对低秩矩阵进行解读。 考察对LoRA微调机制及低秩分解原理的理解深度第 7 题解释LoRA训练方法 考察对LoRA原理、机制和应用场景的理解第 8 题知道LoRA的原理吗？A和B两个矩阵怎么初始化？有了解过其他的初始化方法吗？ 考察对LoRA原理的理解和参数初始化细节第 9 题在推荐系统的模型适配中，对比LoRA与全参数微调，它们各自更适合什么样的场景？ 考察对LoRA与全参数微调的原理差异及在推荐系统场景下的适配判断第 10 题LoRA 微调时，应当将低秩适配模块加到模型中的哪些位置？ 考察对 LoRA 机制原理与常见实践的理解