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 901 题当 malloc 的空闲块不足时，它会如何向操作系统申请内存？ 考察对 malloc 内存分配机制、系统调用及内存管理策略的理解第 902 题请描述你RAG项目中文本Embedding的实现方式、采用的向量检索工具，并解释Faiss的检索原理。 考察RAG链路中向量化与召回模块的落地能力及Faiss原理理解第 903 题请解释强化学习中的 On-Policy 和 Off-Policy 方法，并说明两者的核心区别。 考察强化学习基础概念的理解与辨析能力第 904 题项目中遇到的最大的困难是什么？你是如何面对并解决的？ 考察问题识别、解决思路、行动过程与复盘能力第 905 题你了解机器学习吗？请介绍几个常见的机器学习算法或方法。 考察机器学习基础知识的广度与理解深度第 906 题请解释MAE（Masked Autoencoders）的原理和关键设计选择。 考察对自监督视觉预训练中MAE模型核心机制的理解第 907 题介绍你的奖励函数是怎么设计的。 考察强化学习奖励函数设计能力及对目标对齐、稀疏奖励、安全约束等核心问题的理解第 908 题Attention模块里的mask应该加在哪里，怎么加，mask是什么形式，如果加在softmax之前，值应该怎么设置？ 考察Attention机制中mask的位置、形式与数值设置第 909 题对 1.7B 参数模型做全参微调，大约需要多少显存？请给出估算思路。 考察显存估算能力及对训练流程资源消耗的理解第 910 题PCA降维前数据需要做什么处理？为什么需要做归一化处理？ 考察PCA前置处理及其必要性的理解第 911 题请简要介绍传统视觉方法中的Canny边缘提取和霍夫变换的基本原理与实现步骤。 考察对经典图像处理算法的理解程度与原理表述能力第 912 题请介绍你在项目中如何使用 few-shot（少样本）方法，以及它的实现思路。 考察少样本学习方法在真实项目中的应用、实现细节与效果评估第 913 题clone()和detach()的区别 考察对PyTorch张量操作中克隆与分离语义的理解第 914 题请实现一个函数，找出给定字符串中最长的不含重复字符的子串，并返回它的长度。 考察滑动窗口与哈希表在子串问题中的应用第 915 题请你详细介绍一个你参与过的项目。 考察项目理解深度、技术能力和复盘能力第 916 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 917 题在单机资源受限、无法使用分布式训练的情况下，面对约10亿条数据，如何通过数据采样或数据筛选来减少实际训练样本量？ 考察在资源受限场景下通过数据缩减降低训练成本的能力，及对采样偏差与模型效果权衡的理解第 918 题如果设计一个行程规划的旅行 Agent，你会如何拆解整体任务？ 考察系统任务拆解与模块化设计能力第 919 题请介绍你的一个项目经历。 考察项目复杂度理解、技术深度与问题解决能力第 920 题实习期间遇到的最难问题是什么？ 考察候选人问题识别、分析解决与复盘能力