百度面试题 · 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 38 道 · 更新 2026-08-05
筛选题目已选：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 题百度为何要推进AI重构搜索？AI重构的具体路径有哪些？ 考察对搜索产品演进、AI技术应用和商业动机的综合理解第 9 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 10 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 11 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 12 题追问：用过哪些大模型工具？ 考察对大模型工具的实际使用广度与深度第 13 题请从业务角度分析大模型产品在多模态交互场景下的市场机会（如生物医学领域），并提出一个前瞻性定位策略。 考察对多模态大模型市场机会的判断能力与前瞻性商业定位思维第 14 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 15 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 16 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 17 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 18 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 19 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 20 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