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 121 题给定字符串 S 和 T，请找出 S 中涵盖 T 所有字符的最小子串，并说明算法的时间复杂度。 考察滑动窗口解决最小覆盖子串问题第 122 题请说明机器学习模型在训练前和训练后的主要区别，并举一个具体例子说明。 考察对模型训练过程及其前后状态差异的理解第 123 题求x的立方根 考察数值计算、算法设计与精度控制能力第 124 题请解释Qt中的信号与槽机制，并说明其工作原理。 考察信号槽机制的原理、线程安全及实际应用第 125 题为什么GRPO在训练MOE时会出问题？原因是啥，怎么改进策略？ 考察对GRPO算法在MoE架构下的失效机制理解及改进能力第 126 题BERT 预训练任务中的 Next Sentence Prediction 和 Masked Language Model 分别解决什么问题？ 考察对 BERT 预训练目标原理及各自作用的理解第 127 题请描述你在项目中如何设计Agent的工具（Tool），并说明其是否采用workflow形式。 考察Agent工具设计的结构选择与实现思路第 128 题针对ASR识别文本中出现的错别字，你通常如何处理和修正？ 考察对语音识别错误处理的实践方法与技术选型能力第 129 题请描述你负责的一个推荐算法优化案例，从问题定义、数据理解到方案实施和效果评估的完整过程。 考察候选人对推荐系统优化流程的完整性、方法论和效果评估能力第 130 题请介绍你的论文，包括研究问题、方法和主要结论。 考察学术研究能力、逻辑表达和问题拆解能力第 131 题这个项目为什么不用强化学习（RL）？ 考察技术选型判断能力与对RL适用边界的理解第 132 题如何用神经网络实现非整数的开方运算？ 考察神经网络回归建模、数据构造与误差评估能力第 133 题请说明二阶段训练方法的细节：第一阶段固定骨干网络后需要训练哪些参数？第二阶段包含哪些信息？骨干网络是否共享，它的初始参数是如何获得的？ 考察多阶段训练策略中骨干网络冻结与参数训练的机理第 134 题请详细说明GBDT与XGBoost的核心区别，并重点介绍XGBoost的最优分裂节点选择方式、加速方法、预排序的作用、分箱方式（等宽/等深）、缺失值及预测时缺失值的处理方式。 考察对GBDT与XGBoost算法原理的深入理解，特别是分裂节点选择、优化加速和缺失值处理机制第 135 题请简要介绍你的论文，包括研究任务、遇到的主要难点以及你采用的方法。 考察研究能力、问题拆解与沟通表达第 136 题使用双指针合并两个有序数组，请描述算法实现并分析复杂度。 考察双指针技巧与有序数组合并的算法实现及复杂度分析第 137 题请介绍 Agent 的核心思想、主要组成部分，以及它如何进行任务规划和问题分解。 考察对 Agent 概念、架构与任务分解机制的理解第 138 题请实现合并 K 个升序链表，并说明你的方案复杂度。 考察链表操作、分治/堆思想与复杂度分析第 139 题给定一棵二叉树，请使用深度优先搜索（DFS）找出最底层最左边的节点值，并写出 DFS 实现。 考察 DFS 遍历二叉树并记录最深层最左节点的能力第 140 题如何将论文中的方法推广应用到更广泛的领域，并提炼其共性？ 考察研究方法泛化能力、抽象思维与迁移应用能力