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 561 题有没有了解过大模型加速推理? 考察对大模型推理加速技术栈的掌握程度和实际应用经验第 562 题请介绍你对强化学习框架的理解，并说明其核心组成与典型应用。 考察对强化学习基本框架、核心概念和应用范围的掌握第 563 题召回在整个推荐链路中的作用和必要性是什么？ 考察对推荐系统整体架构及召回环节定位的理解第 564 题除了两阶段提交（2PC），还有哪些常用的一致性提交或分布式事务算法？ 考察对分布式事务与一致性协议知识面的广度和对比能力第 565 题多头自注意力机制的作用是什么？ 考察对多头注意力动机和应用价值的理解第 566 题介绍Transformer架构的整体特点。 考察对Transformer核心设计及其优势的系统性理解第 567 题大模型监督微调（SFT）的常见方式有哪些？ 考察对全量微调、LoRA等方法的理解与选择第 568 题在基于多任务学习的框架中，参数共享通常发生在哪些部分？设计时有哪些考虑？ 考察多任务学习参数共享的设计与权衡第 569 题请描述 Transformer 处理输入文本序列的完整流程，包括 tokenize、位置编码、多头注意力、前馈网络、损失函数和输出转换。 考察对 Transformer 完整前向与训练流程的掌握程度第 570 题在质量打分场景中，为什么选择dense模型而不是MoE模型？请说明设计考量。 考察dense与MoE架构的差异理解及按场景选型的判断力第 571 题我们现在是两阶段推荐架构：第一阶段召回用的是 embedding 点积召回，第二阶段是 MLP 跟 transformer 做多目标打分。那你觉得在我们这么大规模的数据量下，如果要做 real-time re-ranking，你会在架构上怎么做 trade-off？怎么压低 latency？ 考察推荐系统实时重排架构的延迟与效果权衡能力第 572 题请介绍LLaMA模型的整体结构，并说明你在实际部署或训练时使用的模型规模及硬件配置。 考察对LLaMA架构的理解以及模型部署和训练的实际经验第 573 题请介绍你在项目中如何设计多Agent系统：多个子Agent之间是如何协调的，各自输出的结果是什么？ 考察多Agent系统设计、协作机制和输出设计的理解第 574 题你对推荐算法了解如何？ 考察候选人对推荐系统基础知识和核心算法的掌握程度第 575 题开放性问题：LLM在汽车上可以有哪些落地场景？ 考察对LLM能力边界及汽车行业场景的理解与发散第 576 题你了解 RAG 吗？为什么需要 RAG？ 考察对检索增强生成技术原理、动机和适用场景的理解第 577 题请说明GPU之间进行数据传输的主要方式及其适用场景。 考察GPU间数据传输的技术原理与方案选择能力第 578 题请分析 BM25、向量召回和 cross-encoder rerank 各自的特点和适用场景，并说明如何设计它们的架构组合。 考察对三种检索技术的原理理解、场景分析和架构组合能力第 579 题你认为当前大模型的能力上限主要受哪些因素限制？未来可能的突破方向在哪里？ 考察对大模型技术边界、局限性与发展方向的系统性理解第 580 题如何保证多智能体协同的效果？ 考察多智能体协同的架构设计、任务分解、通信机制与效果保障