人工智能面试题 · 方案权衡 · LoRA
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 150 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · LoRA
考察点
技术栈
第 81 题LoRA 为什么会以支路形式并联在主干网络旁边，而不是串联地接在主干之后？ 考察对 LoRA 低秩增量更新机制与神经网络结构设计的理解第 82 题请介绍LoRA及其变体QLoRA的原理和区别。 考察对参数高效微调方法及其内存优化理解第 83 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 84 题你做过LoRA微调，那你是怎么选rank值的？合并adapter权重的时候有没有遇到梯度爆炸？ 考察对LoRA超参数选择的理解及对权重合并风险的实际处理能力第 85 题LoRA算法的工作原理是什么？ 考察对LoRA参数高效微调机制的理解第 86 题请解释LoRA微调的原理，并说明它与全量微调相比的主要区别。 考察对参数高效微调技术原理的理解及与全量微调的优势对比第 87 题请介绍 LoRA 的原理，并说明其与全参数微调（Full Fine-tuning）的适用场景对比。 考察参数高效微调方法的原理理解与选型判断第 88 题为什么全量微调与高效微调（如LoRA）效果相差不多，背后的原理是什么？ 考察对参数高效微调机制及其与全量微调效果差异的原理性理解第 89 题MLA在推理时为什么比LoRA更快？请从推理阶段的计算和内存开销角度分析原因。 考察对推理性能差异原因的分析，区分训练与推理的不同考量第 90 题请解释LoRA的原理，并对比LoRA微调与全参数微调的优劣势。 考察对LoRA机制的理解及对参数高效微调与全参数微调权衡的分析能力第 91 题在什么场景下选择全参SFT，什么场景下选择LoRA微调？ 考察依据资源、数据量和效果目标做出微调策略取舍第 92 题你认为LoRA方法存在哪些缺点？ 考察对LoRA局限性的深度思考与权衡能力第 93 题大模型微调有哪些方式？ 考察对大模型微调技术路线的系统认知与方案选择能力第 94 题请讲解一下 LoRA 微调的原理，A、B 矩阵如何初始化，以及 LoRA 微调的秩通常如何设置？ 考察对 LoRA 原理、初始化方式与超参设置的掌握第 95 题请解释 LoRA（Low-Rank Adaptation）的原理。 考察对高效参数微调技术核心机制的理解第 96 题LoRA 是什么？它通过什么机制减少大模型微调时的参数量？ 考察对LoRA核心机制与参数效率原理的理解第 97 题请解释LoRA的原理，微调哪些层以及矩阵如何初始化，为什么不能都初始化为0？ 考察对LoRA低秩适配机制、参数冻结策略和初始化方法及反向传播的理解第 98 题请分别说明LoRA和DeepSpeed的优缺点，以及在什么场景下适合使用它们？ 考察对模型微调与分布式训练工具的对比分析能力第 99 题QLoRA训练时量化背景下，如何保证训练稳定性和效果？ 考察对QLoRA原理和训练实践的掌握第 100 题请从效果、参数量、显存占用、部署影响和适用场景等角度，对比LoRA与全量SFT的差异。 考察对LoRA和SFT权衡的理解以及技术选型能力