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 21 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 22 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 23 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第 24 题大模型智能体(Agent)的工作原理和组成部分 考察对大模型智能体架构、核心组件及其协作机制的理解第 25 题请介绍你对Qwen3模型的了解，包括它的技术特点和应用场景。 考察候选人对前沿模型的技术了解与知识广度第 26 题你了解或使用过哪些主流大语言模型？ 考察对大语言模型生态的广度认知与主动了解程度第 27 题减少大模型幻觉，你用过哪些方法？ 考察对幻觉成因的理解及系统性缓解方法第 28 题在大语言模型应用中，如何减少或避免幻觉现象？ 考察对幻觉成因和缓解方法的理解第 29 题在构建或使用Agent系统时，如果遇到Agent幻觉编造出不存在的工具或函数，你通常如何定位和解决这类问题？ 考察对LLM Agent工具调用幻觉的识别、排查与防范能力第 30 题一个用户搜索“周末去北京哪里玩”。传统的搜索会返回一个视频列表。如果由你来设计,你会如何利用AI大模型的能力,为这个用户提供一个“革命性的、而非“改良性”的搜索体验? 考察对AI大模型赋能搜索产品进行颠覆性创新的设计与表达能力第 31 题请概述一篇你熟悉的大模型相关论文，包括其核心任务、使用的数据集以及评估指标。 考察对大模型研究的理解深度及信息提炼能力第 32 题使用大模型生成广告素材时，如何满足深度合成内容标识与可追溯要求，并建立品牌安全与误触发白名单机制？ 考察对生成内容合规标识与品牌安全机制的完整设计能力第 33 题拆解大模型智能体(Agent)的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。 考察对大模型智能体核心模块及其协作机制的理解第 34 题请解释大模型幻觉问题，并说明常见的缓解策略。 考察对大模型幻觉现象的成因理解与工程应对能力第 35 题请说明如何为一个需要持续优化的大模型产品项目（例如根据行业动态迭代）提出并实施前瞻性改进方案。 考察对持续改进项目的规划能力、前瞻性判断和实施路径设计第 36 题请从技术角度分析大模型（如ERNIE模型）在代码生成场景下的应用优势，并提出一个优化策略以解决复杂问题。 考察对LLM代码生成技术原理的理解及优化方法第 37 题假设您负责监控AI大模型行业的趋势（如2025年AI Agent的重塑应用形态），请说明如何将这些趋势转化为产品优化依据，并评估潜在商业影响。 考察将行业技术趋势转化为产品策略与商业评估的整体思维框架第 38 题对于大模型生成的回答，如何评估其真实性？ 考察真实性评估的方法与指标设计