人工智能面试题 · 持续改进
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 643 道 · 更新 2026-08-05
筛选题目已选：持续改进
考察点
技术栈
第 181 题有没有关注过最新的三维重建与SLAM结合的工作，评价一下他们的工作 考察对三维重建与SLAM前沿工作的关注、理解与批判性评价能力第 182 题请举例说明你自己面对压力时是如何应对的。 考察候选人的压力应对方式、自我调节和结果导向第 183 题在模型迭代过程中，你遇到的主要难点是什么？你是如何解决的？ 考察模型迭代中的问题识别、解决方案及复盘能力第 184 题在日常数据处理中，如何从流程上保证数据质量？ 考察数据质量保障流程的设计与执行第 185 题请分享一次你学习新知识并用于解决实际问题的经历。 考察学习能力、知识迁移和问题解决过程第 186 题请谈谈你在实习期间的主要收获和成长。 考察实习经历的总结反思能力与自我认知第 187 题请谈谈你对AI for Software Engineering（AI for SE）的理解。 考察对AI与软件工程结合领域的认知深度和广度第 188 题请分享你对Prompt设计的感悟，在什么情况下如何设置Prompt效果最好？ 考察对LLM交互中Prompt设计的理解与应用场景分析第 189 题DeepSeek相关技术要点：请说明MLA（多头潜在注意力）的原理，以及GRPO中优势函数的计算方式。 考察对前沿大模型架构和强化学习算法的深入理解第 190 题你有没有尝试修改过项目中使用的 Prompt？ 考察候选人对 Prompt 工程实践的经验与主动性第 191 题怎么改善DQN的参数敏感问题？ 考察对DQN不稳定源的识别与工程缓解手段第 192 题学生到职场的转换有什么挑战？ 考察自我认知、角色转换意识与适应能力第 193 题KV Cache 怎么优化？DeepSeek 的论文有看过吗？ 考察对 KV Cache 优化技术的掌握程度及对前沿论文的跟进情况第 194 题请比较 Qwen2.5 与 Qwen3 在模型架构、训练方式和性能表现上的主要区别。 考察对大模型版本迭代关键差异的理解深度第 195 题大模型SFT过程中自己有没有什么总结出来的经验？ 考察对监督微调(SFT)的实践经验、方法论沉淀与问题处理能力第 196 题谈谈你对C++的掌握程度，以及如果需要在项目中快速重新上手，你会如何安排复习？ 考察C++知识深度、学习能力与快速恢复技能的方法论第 197 题结合你的实际工作，谈谈OneRec的理念对你最大的启发是什么。 考察知识迁移能力与技术思考的落地性第 198 题请介绍你的论文项目，并说明你在其中承担的核心研究或技术工作。 考察候选人对其研究项目的理解深度、个人贡献与表达逻辑第 199 题当模型输出的结果不符合预期时，你通常如何处理？请结合一次具体经历说明。 考察对模型输出质量的判断、问题定位与迭代改进能力第 200 题是否了解GRPO，具体优化方法？ 考察对GRPO算法原理及训练优化细节的理解