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 761 题请谈谈你对图神经网络（GNN）与大型语言模型（LLM）结合的理解，包括结合的必要性、典型方法以及潜在挑战。 考察对GNN与LLM结合的技术背景、方法路径与难点认知第 762 题有没有考虑加入更多的特征？ 考察特征工程意识与模型优化思路第 763 题介绍一个排序算法的思想和逻辑，以及它的时间复杂度是什么。 考察对排序算法原理、实现逻辑和复杂度分析的掌握第 764 题请手写实现单链表的反转。 考察链表指针操作、迭代与递归两种实现及边界处理第 765 题请介绍SVM支持向量机算法的基本思想、关键概念及常见应用场景。 考察对SVM算法原理、核心概念与适用场景的理解第 766 题请描述一个完整的预训练数据清洗流程，并说明每一步的作用与质量标准。 考察对大规模预训练数据清洗流程的理解及每一步骤的质量控制第 767 题请描述文本输入到大模型产生输出的完整过程，涵盖关键内部步骤。 考察对大模型推理流程、组件和原理的理解第 768 题请说明大津法（Otsu's method）的原理和具体操作步骤。 考察图像阈值分割算法大津法的原理理解与实现步骤第 769 题请介绍LSTM的基本原理和它在自然语言处理中的作用。 考察对LSTM结构、工作原理及其在NLP中应用的理解第 770 题如何区分 loss 上升是因为训练参数不当，还是模型学到了新东西？ 考察诊断 loss 异常的根本原因分析能力第 771 题请在白板/代码中实现Transformer的Decoder Block（含Masked Self-Attention与Cross-Attention）。 考察对Transformer Decoder结构、子层顺序及掩码细节的掌握与编码能力第 772 题请介绍你在项目中的创新点，以及它们是如何产生和验证的。 考察候选人对项目创新的理解、价值判断与实践验证能力第 773 题有做过实验证明两阶段网络相较于单阶段网络具有的精度上限更高吗？ 考察对两阶段与单阶段目标检测网络理论差异及实验验证方法的理解第 774 题请写出 softmax 和 sigmoid 的公式，并说明它们的区别和应用场景。 考察对 softmax 与 sigmoid 数学定义及适用场景的理解第 775 题请谈谈你对该技术提出时的原论文的理解，以及你个人有哪些深入或批判性的看法？ 考察对经典论文的深读程度、技术理解深度及独立批判性思考第 776 题请分享你在数据处理中清洗数据的经验和方法。 考察数据清洗的流程意识、常见问题处理能力和实践细节第 777 题你了解 vLLM 的 prefix cache 机制是如何实现的吗？ 考察对大模型推理系统中前缀缓存原理和实现细节的理解第 778 题如何解决BEV内存占用过大问题 考察对BEV感知模型内存瓶颈的理解与优化策略第 779 题请谈谈你如何制定工作计划，并平衡重要事项与一般事项？ 考察计划制定能力、优先级判断与时间管理第 780 题在RAG系统中，知识库的文件文档需要进行动态增量更新，如何避免新旧文档分布不一致导致的检索偏差问题？ 考察对RAG知识库增量更新中数据分布变化与检索效果的权衡处理能力