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 281 题对于一个样本极度不均衡的数据（正负比例为1:10000），如何设计方法从数据、采样、模型三个方面进行解释？ 考察对类别不平衡问题的系统性处理方法，涵盖数据层面、采样策略和模型层面第 282 题数据集是怎么构建的？规模有多大？有没有做过质量评估？ 考察数据处理、规模意识与质量保障能力第 283 题请介绍YOLOv5的基本原理、网络结构和主要改进点。 考察对YOLOv5目标检测模型的掌握程度，包括技术原理、架构设计和实际应用第 284 题JVM堆区有哪些详细的划分？ 考察JVM堆内存的细分子区域及对象分配与晋升机制第 285 题请详细谈谈你在项目中围绕动态避障做了什么，重点关注哪些技术点？ 考察动态避障领域的专业技术深度与决策能力第 286 题做Agent的开发范式有哪些？ 考察对Agent开发范式（如ReAct、Plan-and-Execute等）的熟悉程度与选型能力第 287 题请介绍本硕期间的一个最具挑战性的项目，并说明你如何解决其中的技术难题。 考察项目经历的真实性、技术深度和问题解决能力第 288 题你如何处理用户意图识别问题？如何评估和提升其准确率？ 考察对NLP意图识别流程的理解、评估方法和优化策略第 289 题请解释一下什么是自动特征交叉，并说明它在机器学习建模中的作用。 考察对自动特征交叉概念的理解及其在特征工程和模型性能提升中的应用第 290 题讲一下 LoRA，两个权重矩阵一般怎么初始化，能都全 0 吗？ 考察对 LoRA 原理、初始化策略及收敛问题的理解第 291 题请手写实现逻辑回归（LR）算法。 考察逻辑回归的建模、损失函数、梯度推导与实现能力第 292 题请分析模型推理在pipeline中的耗时，并说明优化方向。 考察对模型推理性能影响因素的理解和优化思路第 293 题模型预训练和微调有什么区别？ 考察对大模型训练范式的理解与概念辨析第 294 题KL散度的公式和KL散度与交叉熵的区别 考察信息论基础、数学表达能力及概念辨析能力第 295 题请简要介绍你最有代表性的一个项目，包括你在其中的角色、遇到的技术难点以及你是如何解决的。 考察项目经历的完整性、技术深度和问题解决能力第 296 题新模型灰度测试指标不稳定时，负面指标应如何理解和归因？ 考察灰度实验中的负向指标分析与归因能力第 297 题请介绍在机器学习项目中如何进行特征工程，并说明关键步骤和常用方法。 考察对特征工程全流程的理解及实际应用能力第 298 题给定一棵二叉树，请使用广度优先搜索（BFS）找出最底层最左边的节点值，并写出 BFS 实现。 考察 BFS 层次遍历与最底层最左节点识别能力第 299 题如果你拿到一批文本数据，会如何处理以支持后续模型训练或分析任务？ 考察文本数据预处理的基本流程和实际应用能力第 300 题实现编辑距离，要求分别使用DFS和动态规划两种方法完成。 考察动态规划与递归搜索两种算法思路的对比及实现能力