百度面试题 · tech:lora
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 13 道 · 更新 2026-08-05
筛选题目已选：tech:lora
考察点
技术栈
第 1 题小模型全参SFT与大模型LoRA微调，在效果上可能有何差异？ 考察权衡模型规模与调优全面性对效果的影响第 2 题小模型用 SFT 与大模型用 LoRA 相比，实际效果一般有何差异？ 考察对模型规模与微调方式综合作用的理解第 3 题请解释 LoRA 的原理及其在模型微调中的作用。 考察对 LoRA 核心机制的理解和表述能力第 4 题讲一下LoRA微调技术原理。 考察对低秩适配微调方法的理解及其与全参微调的差异第 5 题请讲讲 LoRA 微调的原理，并对比全量参数 SFT 的耗时差异。 考察对参数高效微调技术的理解及微调耗时估算能力第 6 题请介绍LoRA的原理及其在微调中的主要优势。 考察对低秩适配技术的理解及与全参微调的区别第 7 题LoRA技术有哪些优势？ 考察对LoRA参数高效微调方法的原理理解和应用价值第 8 题LoRA微调是如何减少训练参数的？ 考察对LoRA参数高效微调原理的理解第 9 题请介绍 LoRA 的原理，并说明其与全参数微调（Full Fine-tuning）的适用场景对比。 考察参数高效微调方法的原理理解与选型判断第 10 题在什么场景下选择全参SFT，什么场景下选择LoRA微调？ 考察依据资源、数据量和效果目标做出微调策略取舍第 11 题请解释LoRA（Low-Rank Adaptation）的原理，并说明其如何在大模型微调中减少参数和显存开销。 考察对大模型参数高效微调技术的理解，包括低秩分解和训练机制第 12 题LoRA与QLoRA的区别是什么？ 考察对参数高效微调两种主流方法的原理理解与适用场景辨析第 13 题请分别说明LoRA、SFT、DPO的适用场景与关键区别，并谈谈在实际项目中如何选择使用它们。 考察对参数高效微调、监督微调及偏好对齐技术的理解与应用能力