百度面试题 · 技术原理 · LLM
百度相关面试题，按最终去重题目聚合。
共 3071 道真题 · 当前筛选命中 30 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 题这些大模型在结构上有哪些主要差异？ 考察对Transformer架构演化及模型结构差异的理解深度第 2 题什么是大模型幻觉现象？请分析其产生原因及业内常见的缓解方法。 考察对大模型幻觉机制的理解及工程缓解手段的掌握第 3 题用大模型对 item 做语义 Embedding 有什么缺点？ 考察对大规模语义向量化方案的局限性和工程权衡的理解第 4 题大模型的工具调用怎么实现？ 考察对大模型工具调用机制的理解与实现路径第 5 题如何解决大模型的灾难性遗忘问题？ 考察对灾难性遗忘解决策略的知识广度与实现认知第 6 题大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。 考察对大模型生成重复问题的原因理解与解决方法的掌握第 7 题请介绍大模型技术栈中你熟悉的核心技术，并说明它们的关联。 考察对大模型技术体系的理解广度与深度第 8 题有没有研究过大模型上下文的工作，比如推理加速或长上下文扩展？ 考察对大模型上下文处理技术的研究深度与应用理解第 9 题大模型常用的位置编码有哪些？各自的优缺点是什么？ 考察对位置编码机制的理解、对比与适用场景判断第 10 题什么是大模型的幻觉，如何缓解？ 考察对大模型幻觉概念的理解和实用缓解策略第 11 题平常怎么用大模型的？ 考察候选人将大模型融入日常开发或工作流中的实践与思考第 12 题什么是大模型的灾难性遗忘？ 考察对大模型灾难性遗忘概念和成因的理解第 13 题大模型智能体是怎么工作的，包含哪些核心组件？ 考察对大模型智能体架构、工作流程和关键组件的理解第 14 题大模型有哪些位置编码，RoPE 的优势是什么？ 考察位置编码的演进理解与旋转位置编码的数学机制及优势第 15 题请介绍大语言模型的预训练、后训练和推理三个阶段的主要流程及各自的目标。 考察对大模型训练推理全流程的理解与阶段划分能力第 16 题大模型返回的文本是什么格式的？ 考察对大模型输出文本格式的认知第 17 题请解释RAG（检索增强生成）技术的原理，以及它解决了什么问题。 考察对RAG核心机制的理解及其针对大模型痛点的价值第 18 题请介绍RAG（检索增强生成）技术的最新进展，并谈谈你对其发展趋势的看法。 考察对RAG前沿技术的了解、信息更新能力和技术趋势分析第 19 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 20 题什么是大模型的幻觉，如何减轻幻觉问题？ 考察对大模型幻觉概念的理解与工程化缓解手段