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 321 题DIN有哪些变种 考察对深度兴趣网络及其衍生模型的理解第 322 题在生成式推荐项目中，模型的输入通常包含哪些特征？请说明设计思路。 考察对推荐系统输入特征体系的构建与设计能力第 323 题业界在 Prefill/Decode 分离的架构上有哪些主流方案？ 考察行业主流 PD 分离方案的了解与应用判断第 324 题请介绍Transformer模型的核心结构及其各部分的作用。 考察对Transformer架构的基本理解与核心机制掌握第 325 题请解释微批处理（microbatch）的意义及其在流处理系统中的典型应用场景。 考察微批处理的概念、设计动机及实际应用第 326 题如果给你一个通用性Agent，请给出强化学习训练的流程与数据制作的流程。 考察强化学习训练流程设计与训练数据构建能力第 327 题请比较PID、LQR和MPC三种控制方法，并谈谈你对它们的理解。 考察对经典与现代控制方法的原理、适用场景及取舍的理解第 328 题粗排和精排模型是否要保持一致性？ 考察对推荐系统或搜索排序中粗排与精排目标、架构及一致性的理解第 329 题粗排一般怎么做的？ 考察对推荐系统粗排阶段原理、目标与常见方法的理解第 330 题召回和排序的作用与区别是什么？ 考察推荐系统中召回与排序两个阶段的目标和分工第 331 题假设你需要优化B站信息流广告的CTR预估模型，如何融合用户行为序列特征？ 考察用户行为序列建模在广告CTR预估中的应用与模型设计能力第 332 题怎么分桶，分桶的数量怎么定？ 考察分桶策略设计、数据分布和数量选型思路第 333 题如何把MMOE和ESMM模型结合起来使用？ 考察多任务学习与多目标排序模型结合的设计能力第 334 题请介绍如何将强化学习应用于订单分单场景，并说明其可行性与挑战。 考察算法理解、场景适配与工程落地能力第 335 题IM与推荐结合落地时会遇到哪些问题？ 考察候选人对隐私安全、技术架构和产品体验等实际落地难点的理解第 336 题看你做过RAG，讲讲从数据清洗到检索服务上线这整个链路是怎么搭的，你是怎么做chunk切分的？ 考察RAG系统全链路搭建能力与chunk切分策略的实操理解第 337 题RAG系统如何评估？RAG评估体系中最重要的是什么？ 考察对RAG评估维度、指标和核心关注点的理解第 338 题在推荐系统或搜索场景中，用户召回通常有哪些技术路线？如果需要对不同用户群体设计差异化召回策略，你会如何进行用户分层？ 考察对主流召回技术的掌握程度，以及结合业务与用户差异做分层设计的思考能力第 339 题请描述 RAG（检索增强生成）系统的基本流程，并说明其中知识库、检索方式和提示词分别如何设计。 考察对 RAG 完整流程的掌握程度，以及知识库、检索和提示词三个核心环节的设计能力第 340 题请介绍RAG的整体流程，并说明在分段（chunking）环节做了哪些优化？ 考察对RAG流程的理解及对文本分段优化策略的实际经验