淘天集团面试题 · 技术原理 · LLM
淘天集团相关面试题，按最终去重题目聚合。
共 2775 道真题 · 当前筛选命中 16 道 · 更新 2026-08-05
筛选题目已选：技术原理 · LLM
考察点
技术栈
第 1 题请谈谈你对大语言模型微调的理解，包括其实现原理，以及你做过哪些与AI相关的实践。 考察对模型微调原理的理解深度与实际AI实践经验第 2 题请介绍对编码模型（如代码生成模型）的了解，包括原理和优缺点。 考察对代码生成模型原理及局限的认知第 3 题假设我们有一个效果很好的70B大模型，但因为太大太慢，没法直接上线。请列举并比较主要的模型压缩方法比如剪枝和量化，说明各自的优缺点。 考察对大模型压缩核心方法的理解与权衡能力第 4 题请简述使用大型语言模型进行文本生成时，`temperature`、`top_p` 等参数各自的作用是什么？ 考察对LLM生成参数的理解及对生成随机性与确定性的影响第 5 题请谈谈你对图神经网络（GNN）与大型语言模型（LLM）结合的理解，包括结合的必要性、典型方法以及潜在挑战。 考察对GNN与LLM结合的技术背景、方法路径与难点认知第 6 题在亿级用户历史数据背景下，LLM在推荐系统中有哪些典型应用方式？请结合实际场景说明。 考察LLM在推荐系统中的落地应用与工程权衡第 7 题用LLM做文本分类时，如何选择encoder架构和decoder架构？ 考察对LLM架构原理及其在分类任务中适用性的理解第 8 题LLM训练的时候为什么warmup？ 考察对学习率调度、训练稳定性和优化器行为的理解第 9 题请解释大语言模型推理时的采样参数 temperature、top-k 和 top-p 各自的作用，并说明它们对生成结果的影响。 考察对 LLM 解码阶段采样策略的理解与应用第 10 题如何评估一个大型语言模型（LLM）的质量？请列出你认为重要的评估维度、常用方法，并说明各自的适用场景。 考察对LLM评估维度的系统理解、方法掌握与实际适用性判断第 11 题为什么现在大模型输入和输出价格不一样？ 考察对LLM定价机制和算力成本结构的理解第 12 题平时使用大模型时传入的超参数有哪些？它们分别有什么作用，又是如何影响模型回答的？ 考察对大模型推理阶段超参数的理解及应用能力第 13 题探讨LLM是否适合生成embedding，分析encoder和decoder架构的适配性，以及Decoder-only架构的Qwen用作encoder的原因。 考察对LLM架构差异、embedding生成原理及模型适配性的理解第 14 题你了解大模型有哪些应用场景吗？ 考察对大模型实际应用和市场趋势的理解广度与深度第 15 题请介绍你了解的大模型和多模态大模型，并说明它们各自的主要能力。 考察对大模型和多模态模型的广度认知与分类能力第 16 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