人工智能面试题 · 问题排查
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 590 道 · 更新 2026-08-05
筛选题目已选：问题排查
考察点
技术栈
第 1 题训练LoRA时会调整哪些参数？你有哪些调参经验？ 考察对LoRA训练关键超参数的理解与实际调参经验第 2 题在Agent系统中，主Agent通常会规划哪些工具调用？请举例说明。 考察对Agent工具调用规划机制的理解与表达能力第 3 题辅助损失函数可能导致噪声拟合，如何避免这种情况？ 考察对辅助损失作用机制的理解及正则化与调参策略第 4 题谈数据处理流程、长尾问题发现和优化 考察数据处理流程理解、长尾问题识别与优化能力第 5 题在实际训练或微调的过程中遇到了哪些问题，是怎么解决的？请结合精度问题、梯度爆炸、loss出现nan等具体现象展开。 考察深度学习训练问题的排查能力与解决思路第 6 题Python 项目中出现包版本冲突时，通常有哪些解决思路？ 考察包依赖管理和冲突解决的基本方法第 7 题当用户投诉大模型输出质量差时，你会从哪些方向进行改进？ 考察对大模型质量问题的系统定位与改进思路第 8 题训练数据中存在噪声时可能引发模型幻觉，针对这一问题你会采取哪些处理措施？ 考察对训练数据噪声影响模型幻觉的识别与处理能力第 9 题训练时 loss 一直不收敛，你会怎么排查？ 考察模型训练问题排查的系统性与对常见收敛失败原因的理解第 10 题介绍一下什么情况下会出现梯度爆炸和梯度消失，为什么，出现了这种情况模型会怎么样？ 考察对深层网络梯度问题的原因、场景与影响的理解第 11 题DPO训练不符合要求的时候怎么办？ 考察对DPO训练失败或效果不达标的诊断与处理能力第 12 题请介绍一个你在项目中遇到的最有挑战性的技术问题，以及你是如何定位和解决它的。 考察问题拆解、排查思路和项目复盘能力第 13 题请介绍您对TensorRT的理解及其在模型推理加速中的应用。 考察对TensorRT核心功能、工作流程和应用场景的理解第 14 题介绍一次实车调试中遇到的控制问题及解决过程。 考察实车调试经验、问题定位与迭代优化能力第 15 题在 YOLO 检测室内人物时，如果人手上的物品被裁到检测框之外，如何解决？ 考察对边界框回归缺陷的认知及针对性优化策略第 16 题做过哪些平台上的模型部署？ 考察模型部署实践经验与平台选择能力第 17 题如何判断两个浮点数是否相等？ 考察浮点数精度问题的理解和实际处理能力第 18 题梯度爆炸和梯度消失是什么？分别怎么解决？ 考察对深度学习中梯度不稳定问题的理解及常用解决手段第 19 题请举例说明你在编程中遇到过的最具挑战性的问题，以及你是如何解决的。 考察问题定位、技术攻坚与复盘能力第 20 题请讲解JVM的内存区域划分及其作用，并说明各区域可能出现的异常。 考察对JVM内存模型的理解和异常场景掌握