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 501 题与原始 Transformer 相比，你在自己的工作中做了哪些改进？请说明动机、具体做法和效果。 考察候选人对 Transformer 的深入理解及实际工程中的改进能力第 502 题大模型 Function Call 过程中工具选择准确率下降要怎么解决？ 考察对函数调用工具选择错误的诊断与系统性优化方法第 503 题请编写程序统计二维矩阵（由0和1组成）中岛屿的个数，其中1表示陆地，0表示水域。相邻的陆地（水平或垂直方向）视为同一个岛屿。 考察图的遍历算法（DFS/BFS）在矩阵问题中的应用与编码实现第 504 题解释PEPNet中的stop gradient 考察对PEPNet模型中梯度停止机制的理解及其作用第 505 题你如何设计推理阶段的测评指标来评估模型效果？ 考察候选人建立合理评测体系的能力第 506 题请介绍SAM（Segment Anything Model）提示设计的主要方式及在实际应用中的用法。 考察对SAM模型提示机制的掌握及灵活运用能力第 507 题在机器学习建模过程中，如何评估和确定各个特征的重要性？请结合实际场景说明常用方法及其适用性。 考察特征重要性评估方法的理解、选择与业务解释能力第 508 题口述算法的解决思路：对存在环路的链表，怎么找到环的节点？ 考察链表环路检测与环入口定位的算法理解与表达第 509 题LlamaFactory和Hugging Face框架的区别是什么？ 考察对主流大模型训练与加载框架的功能定位和使用场景的理解第 510 题大模型是怎么理解人类语言的意图的？ 考察对大规模语言模型意图理解机制的理解深度第 511 题Attention为什么要分头？ 考察多头注意力机制的设计动机与工作原理第 512 题请介绍LoRA训练的原理，你调过哪些参数，这些参数的含义是什么，以及你是如何设置的？ 考察对LoRA工作机制的理解、参数含义掌握及实际调参经验第 513 题请推导多头注意力中矩阵计算的维度变化，并说明其与单头注意力的计算量关系。 考察对注意力机制矩阵运算维度的精确推导能力第 514 题给定一个非负整数数组，你最初位于数组的第一个位置。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个位置。请说明解题思路并完成代码实现。 考察贪心算法或动态规划的解题能力及边界处理第 515 题请解释Transformer中位置编码的公式及其作用。 考察对Transformer位置编码原理及数学公式的理解第 516 题为什么强化学习在训练过程中会出现不稳定问题？ 考察对强化学习训练不稳定成因的理解第 517 题请讲解AUC的计算方式及其物理意义，并手写AUC的计算代码。 考察对AUC指标的理解和实现能力第 518 题给定一组区间，从中选取尽量多的区间，使它们两两不重叠，输出最大可选区间数量，并说明你的思路。 考察区间调度问题的建模与贪心算法正确性第 519 题请手写实现一个 Transformer Encoder 的核心结构。 考察对 Transformer Encoder 的结构理解与代码实现能力第 520 题你在实际工程中是怎么发现你的做法对精度影响是最大的？请对你的改进按重要程度排序。 考察候选人在实际工程中如何通过方法定位关键因素，并对改进措施进行优先级评估