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 741 题请介绍 NCCL 通信底层算法的基本原理，并说明其在分布式训练中的作用。 考察对 NCCL 通信机制和分布式训练底层知识的理解第 742 题在 GraphRAG 项目中，你是如何解决传统 RAG 的“召回噪声”和“信息碎片”问题的？ 考察对 GraphRAG 原理与 RAG 缺陷的深入理解及实际落地能力第 743 题你会怎么设计深度学习方法做camera和LiDAR前融合？ 考察多传感器前融合的技术理解、方案设计和工程权衡第 744 题在多场景推荐中，部分场景数据量较少，该如何解决？ 考察数据稀疏场景下的迁移学习与样本增强能力第 745 题请介绍你了解的 VERL 框架，以及它的核心特性与应用场景。 考察对 VERL 框架的理解深度与实际应用意识第 746 题PPO有几个模型，每个模型的作用是什么，哪些模型需要训练？ 考察对PPO算法架构中策略、价值与参考模型角色的理解第 747 题请解释多头注意力机制（MHA）的运行机制。 考察对Transformer核心组件多头注意力机制原理和结构的理解第 748 题我们的RAG系统上线后，发现有时候还是会“胡说八道”，或者答非所问。如果让你去排查，你会从哪些方面入手？ 考察对RAG系统整体架构的理解与系统性排查问题的能力第 749 题当数据构建流程的规模扩大时，你会如何优化现有流程？ 考察面对规模增长时数据流程的扩展性设计与优化策略第 750 题在实现多用户并发访问 Agent 时，你是如何保证线程安全的？ 考察并发编程中对共享状态和线程安全的设计能力第 751 题你了解哪些大模型推理框架？请介绍一下 vLLM 的原理。 考察对大模型推理框架的广度认知及对 vLLM 核心机制的理解深度第 752 题请介绍一个你参与的 RAG（检索增强生成）项目，包括系统架构、关键模块和主要挑战。 考察对 RAG 完整链路（检索、重排、生成）的理解与项目落地能力第 753 题在设计一个 Agent 系统时，什么情况下应该优先使用 Function Calling，什么情况下应该优先使用 Tool Routing？ 考察根据实际场景做出技术选型的能力第 754 题请分别介绍Word2Vec和BERT的基本原理，并说明各自的优势。 考察对经典词向量模型与预训练语言模型的理解及对比能力第 755 题双塔模型有哪些常见的改进点？ 考察对双塔模型优化方向的深入了解第 756 题请介绍BabyAGI的核心机制，以及Agent设计框架中的关键组成部分。 考察对Agent自主任务分解与执行框架的理解第 757 题在这个项目中，两个相机衔接段是如何做处理的？中间区域的信息是怎么被利用的？ 考察多传感器融合中的边界处理和重叠区域利用第 758 题假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？ 考察对 Agent 推理链路性能问题的系统性分析能力与优化手段第 759 题在海量文本场景下，如何对检索召回结果进行语义去重？ 考察召回优化的工程思路与去重方案设计第 760 题在使用oCPC时，如何控制成本？ 考察对成本控制策略和异常处理的理解