京东面试题 · 技术选型
京东相关面试题，按最终去重题目聚合。
共 2550 道真题 · 当前筛选命中 298 道 · 更新 2026-08-05
筛选题目已选：技术选型
考察点
技术栈
第 241 题Webpack里面loader和plugin的区别和用法 考察Webpack核心概念的理解与区分能力第 242 题在实习项目中，你使用了大模型技术，请介绍具体使用的模型和选型理由。 考察大模型选型的合理性与对技术的理解第 243 题如果要运用 LoRA 来对电商推荐场景进行微调，你会如何设计相应的数据和标签呢？ 考察 LoRA 微调在推荐场景中的数据与标签设计能力第 244 题请比较 Spark 与其他主流大数据处理引擎（如 Hadoop MapReduce、Flink）在适用场景和性能上的优劣。 考察对 Spark 技术特点、适用场景及选型权衡的理解第 245 题为什么在项目中选择了 Elasticsearch 而不是 MongoDB 这类 NoSQL 数据库？ 考察对搜索引擎与通用 NoSQL 数据库在场景差异上的理解与实际选型判断第 246 题请介绍MLA（Multi-head Latent Attention）及其与KV Cache的关系。 考察对大模型注意力机制优化和推理缓存机制的理解第 247 题请介绍你项目中使用的向量模型、向量维度，以及是否与其他向量模型做过横向对比。 考察向量模型选型依据、技术细节熟悉度和评估对比意识第 248 题在规划产品迭代路线图时，你如何评估并融入新兴AI技术（如大型语言模型LLM）到智能体生态中？ 考察AI技术选型、产品规划与生态整合能力第 249 题LoRA微调中alpha和rank参数如何选择？它们对模型的影响分别是什么？ 考察对LoRA超参数作用机理与实际选择策略的理解第 250 题在什么场景下，使用Agent会比传统规则或脚本方案更合适？请结合具体业务说明理由。 考察候选人判断Agent适用场景与边界的能力第 251 题请详细讲解你负责的SFT数据合成pipeline的设计与实现。 考察对数据合成pipeline的整体设计、关键环节和质量控制的理解第 252 题Transformer相对于传统模型（如RNN、LSTM、CNN）的主要优势是什么？ 考察对Transformer架构优势的理解，包括并行计算、长距离依赖处理和全局信息捕获第 253 题项目中为什么选择 Kafka 作为消息队列？Kafka 会重复消费吗？如果出现消息积压怎么处理？ 考察消息队列选型依据、消息可靠性与积压处理能力第 254 题请说明你如何利用办公软件（如XMind、Excel）辅助风控工作？ 考察工具运用能力与风控工作结合程度第 255 题请介绍语音模拟面试模块的实现方案。 考察语音交互技术选型、系统架构与实现细节第 256 题你了解哪些AI Agent产品？请择一简述其核心功能或局限。 考察对AI Agent产品生态的广度与深度，以及分析与表达结构化能力第 257 题你如何理解Spring框架？ 考察对Spring核心思想和生态体系的理解深度第 258 题为什么用GRPO不用DPO？ 考察对强化学习训练算法差异的理解及其适用场景第 259 题请介绍你在实际项目中使用 Postman 或 JMeter 的经验，包括分别用于哪些测试场景？ 考察接口测试工具的实际应用与场景区分能力第 260 题移动端不同设备适配有哪些方案？ 考察移动端适配方案的广度与选择依据