人工智能面试题 · 系统设计
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 1113 道 · 更新 2026-08-05
筛选题目已选：系统设计
考察点
技术栈
第 1 题为什么需要多层CGC？其目的是什么？ 考察对CGC多层结构设计动机和作用的深入理解第 2 题请设计一个直播场景下的点赞系统的数据模型与架构，要求支撑高并发。 考察高并发写入场景下的数据建模、缓存与一致性权衡第 3 题在工业界，DeepFM因特征交叉数量过多导致算力或效果问题时，有哪些工程化处理手段？ 考察特征筛选、模型设计与工程优化的综合能力第 4 题结合你的项目经验，请谈谈一个基于RAG的应用在性能调优方面你会怎么做？ 考察RAG系统性能优化思路和项目实践第 5 题在 RAG 系统中，你们是否使用 rerank？如何做？ 考察重排模型在 RAG 中的应用与实现细节第 6 题请讲解ROS的通信机制及其底层实现原理。 考察对ROS核心通信模型和底层实现的理解第 7 题从算法原理和训练资源角度，解释 GRPO 相比 PPO 在哪些方面节省了计算资源，以及它为何可能成为业界更受青睐的强化学习训练方法？ 考察对 GRPO 算法原理及资源优化的理解第 8 题在设计基于 LLM 的检索系统时，如何更好地引入和使用 Embedding？ 考察对 LLM Embedding 的本质理解、选型与质量评估能力第 9 题在自动驾驶或机器人系统中，如何确定轨迹规划和地图的覆盖范围？ 考察对轨迹规划与地图范围匹配关系的理解及系统设计能力第 10 题如何评测RAG系统的准确率？ 考察生成式检索增强系统的评测指标与评测方法论第 11 题请设计一个Top-K频繁查询的数据结构与算法，要求使用堆和哈希表。 考察堆与哈希表结合实现Top-K统计的能力第 12 题当用户投诉大模型输出质量差时，你会从哪些方向进行改进？ 考察对大模型质量问题的系统定位与改进思路第 13 题介绍一下你对推荐系统的认识。 考察对推荐系统整体架构、核心算法和业务价值的理解第 14 题四塔多目标方案相较经典双塔在 CTR 和跨类目召回上通常能带来哪些可量化收益？ 考察对多目标建模与召回架构差异的理解及收益量化能力第 15 题粗精排一致性是越高越好吗？ 考察对推荐系统粗精排一致性度量的理解及其权衡第 16 题如果你要在 GPU 资源有限的条件下同时提供推理和微调服务,如何做资源分配和任务调度以保证时延和吞吐? 考察在有限 GPU 资源下对推理与训练负载的资源管理、调度策略及性能权衡第 17 题RAG中如何处理非结构化知识与结构化知识的混合检索? 考察RAG架构中融合非结构化与结构化数据检索的设计能力第 18 题在已有MPC路径规划或控制方案中，为什么仍然需要使用MPC，而不是直接依赖求解器？ 考察对MPC概念及求解器角色的区分第 19 题请描述多任务网络的整体架构设计思路，以及任务间信息共享与冲突处理的方法。 考察多任务学习架构设计的核心思想与任务关系处理第 20 题请介绍MMoE（多门控专家混合）模型的原理，并说明它在你的项目中是如何应用的？ 考察对MMoE原理的理解及其实际应用能力