数字马力面试题 · LLM
数字马力相关面试题，按最终去重题目聚合。
共 2670 道真题 · 当前筛选命中 13 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 1 题请解释大模型推理时 top-p、top-k 和 temperature 参数各自的含义与作用。 考察对大模型采样策略中关键参数的理解第 2 题你对AI大模型有什么看法？用过哪些大模型，认为它们有什么弊端？ 考察对大模型的实践使用、技术理解与风险认知第 3 题Agent（智能体）与大语言模型有什么差别？ 考察对 Agent 与大模型层级关系、能力边界和控制机制的理解第 4 题大模型数据集下都有哪些内容？ 考察对大模型训练数据组成、来源和预处理的理解第 5 题除了简历上的项目，你还做过哪些与LLM相关的项目？ 考察候选人是否具备LLM领域持续的实践经验、学习自主性和能力边界认知第 6 题大模型相关的学习或了解计划是什么？ 考察学习路径规划、持续学习能力和对大模型领域的了解第 7 题Agent跟大语言模型有什么差别？ 考察候选人对Agent与大语言模型概念边界的理解与本质差异的把握第 8 题请介绍一下你对大模型相关原理的理解，例如 Agent 和 RAG 的概念。 考察对大模型原理的掌握程度以及相关概念的理解深度第 9 题怎么解决大模型幻觉？ 考察对大模型幻觉成因、检测与缓解手段的系统理解第 10 题你觉得LLM的原子能力有哪些，它为什么能被用来做应用？ 考察对LLM核心能力的理解及其应用基础第 11 题调用大模型识别敏感词如何写提示词？ 考察提示词工程中敏感词识别任务的指令设计能力第 12 题公司内部coding应该使用第三方的大模型吗？ 考察技术选型、安全合规与成本收益的综合权衡第 13 题请解释什么是RAG（检索增强生成），并说明其核心工作原理与适用场景。 考察对RAG概念、流程及适用场景的理解