人工智能面试题 · 问题拆解
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 3299 道 · 更新 2026-08-05
筛选题目已选：问题拆解
考察点
技术栈
第 261 题针对大模型幻觉问题，你会如何应用所学知识来应对和解决？ 考察对大模型幻觉成因的理解及结合实际约束的解决策略第 262 题数据处理常用的方法有哪些？ 考察对数据清洗、预处理和转换等基础数据处理方法的掌握第 263 题给定大量边界框，如何高效并行计算所有两两框之间的IOU？请给出向量化或加速的思路。 考察算法优化、并行计算与向量化能力第 264 题视频抽帧通常怎么实现？ 考察视频处理基础、关键帧选取策略与性能考量第 265 题商品塔接入多模态 encoder 后离线指标下滑，如何系统定位问题环节？ 考察多模态特征接入后离线指标下滑的系统排查能力第 266 题请解释操作系统中的虚拟内存机制及其作用。 考察对虚拟内存概念、地址转换和内存管理的基础理解第 267 题给定一个 HuggingFace 模型的 config，如何估算下载该模型所需的磁盘空间？请说明大致步骤。 考察从模型配置推算参数量并估算存储大小的能力第 268 题请实现sqrt(x)的近似计算，要求结果保留6位小数。 考察数值计算方法的掌握与边界条件处理能力第 269 题在降维过程中，你是如何具体实施embedding降维的？ 考察降维方法的实操能力与细节理解第 270 题你在项目中使用了RAG，那什么场景下RAG无法解决，必须升级到GraphRAG？请结合具体例子说明。 考察对RAG局限性的理解以及GraphRAG适用场景的判断第 271 题请介绍你在论文中采用的主要方法，并说明为什么会选择这种设计而不是其他备选方案。 考察研究方法选择的合理性、权衡思考和表达能力第 272 题请说明PillarNet提取点云特征的具体流程，包括如何将点云转换为Pillar以及后续的特征提取方法。 考察对PillarNet点云特征提取原理的理解第 273 题手撕代码：实现一个LRU缓存。 考察数据结构设计、复杂度控制与边界处理能力第 274 题项目:agentic RL和普通的RL比最大的不同在哪里? 考察对agentic RL与经典强化学习范式差异的理解第 275 题为什么大语言模型的规模越大，通常能力会越强？请从模型架构、训练数据和计算资源等角度解释。 考察对大规模语言模型能力涌现的机制理解第 276 题请介绍你在GPT、ViT或Transformer相关项目中的具体工作。 考察对Transformer架构相关项目的理解深度和实际落地能力第 277 题线性回归的loss是最小二乘，什么是最小二乘法？ 考察最小二乘法的原理、目标函数求解及与线性回归的关系第 278 题请说明使用 PyTorch/CUDA 实现四线性插值的思路，并给出基本伪代码。 考察对高维插值的理解、PyTorch 与 CUDA 并行编程设计能力第 279 题请解释原始RoPE在视频处理中是如何应用于每一帧或每个patch的，以及这种处理的局限性是什么。 考察对RoPE在视频多帧场景中应用机制及其序列长度扩展限制的理解第 280 题请解释注意力机制（Attention Mechanism）的基本原理，并说明它在深度学习模型中的作用。 考察对注意力机制核心思想及其应用的掌握程度