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 461 题请介绍RAG系统中的多路召回策略通常如何设计，并说明各路的适用场景。 考察检索增强生成中多路召回的设计思路与场景权衡第 462 题在大模型提取word图片内容时，你如何应对提取结果的准确率不足或遗漏问题？ 考察对模型局限性的认识及降级或校验机制的设计能力第 463 题在推荐系统中，召回和粗排各自的主要作用是什么？为什么不能直接对所有候选物料使用精排？ 考察推荐系统漏斗设计、算力约束与各阶段目标的差异第 464 题请介绍UNet的网络结构及其在医学图像分割中的应用优势。 考察对UNet编码器-解码器、跳跃连接结构的理解及其在分割任务中的适用性第 465 题请介绍站内广告、外部投放广告和搜索广告在业务链路上有哪些区别？ 考察对广告业务场景差异的理解及链路梳理能力第 466 题在路径规划或导航模型中，如何处理大幅度绕行？请说明绕行决策的判断标准和绕行幅度的控制方法。 考察对路线规划中绕行决策逻辑和幅度控制的理解第 467 题对于大模型落地某个具体任务，优化有哪些方向？ 考察大模型落地任务时的综合优化思路与系统性第 468 题请详细说明RAG流程，包括检索方式和每个步骤的原理。 考察对RAG各环节原理的理解和系统表述能力第 469 题多端多场景推荐有哪些建模思路？ 考察推荐系统多场景建模的方法论与架构理解第 470 题请介绍智能体的核心组成模块，并说明它们如何协同工作。 考察对智能体架构与组件协作机制的理解第 471 题请介绍Transformer的整体结构及其各组成部分的作用。 考察对Transformer架构的深入理解与原理掌握第 472 题请介绍你在项目中如何设计并实现检索增强生成（RAG）的相关内容。 考察候选人对RAG系统的理解深度、实现细节及项目经验第 473 题vLLM 是如何通过 PagedAttention 提升显存利用率的？ 考察对 PagedAttention 机制细节和显存优化原理的理解第 474 题请介绍Mind模型的结构和设计思路。 考察对Mind网络架构与设计动机的理解第 475 题如果让你将该项目部署上线,你会考虑哪些工程优化点? 考察系统部署上线阶段的工程化思维与全面的性能、可靠性和安全考量第 476 题请介绍 Transformer 的整体结构，并说明其各主要组件的公式与作用。 考察对 Transformer 架构、核心公式和组件功能的理解第 477 题结合你的部署实践，如何优化大模型的推理延迟和吞吐？ 考察推理性能优化方法与工程落地能力第 478 题请描述Transformer的基本结构，并说明其核心特点。 考察对Transformer整体架构和关键设计理念的理解第 479 题在强化学习中，reward 和 Critic（价值函数）分别代表什么？它们在工程应用中各自发挥什么作用？ 考察强化学习中奖励信号与价值函数的概念区分及工程角色第 480 题一个本地LRU缓存可以存储多少数据量？ 考察LRU缓存容量设计、内存估算和性能权衡