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 181 题在项目中，你遇到过最大的技术或协作困难是什么？你是如何发现、定位并解决的？ 考察候选人面对实际困难时的问题拆解、解决能力和复盘意识第 182 题遇到OOC问题你们一般怎么解决？ 考察对上下文溢出（OOC）问题的识别能力、处理策略和工程化规避手段第 183 题死锁发生的条件有哪些，如何解决死锁问题？ 考察死锁产生的必要条件及常见解决策略第 184 题大模型SFT过程中自己有没有什么总结出来的经验？ 考察对监督微调(SFT)的实践经验、方法论沉淀与问题处理能力第 185 题为什么 Hugging Face 里有些方法可以调用，但无法查看源码实现？ 考察对 Python 运行机制与 Hugging Face 代码分发方式的理解第 186 题怎么解决大模型的重复回答的问题？ 考察对大模型文本生成中重复问题成因及解决策略的理解第 187 题请解释深度神经网络中梯度消失和梯度爆炸产生的原因，并说明常见的解决方法。 考察对深度网络训练中梯度传播问题的理解与解决手段第 188 题请说明特征选择和特征重要性分析的方法。 考察对特征工程与模型解释的实践能力第 189 题当线上或测试环境出现问题时，你是如何定位问题的？请结合具体案例说明。 考察问题定位的方法论与排查能力第 190 题如何处理大模型训练过程中的梯度消失或梯度爆炸问题？ 考察对梯度不稳定成因及常见解决手段的理解第 191 题当模型输出的结果不符合预期时，你通常如何处理？请结合一次具体经历说明。 考察对模型输出质量的判断、问题定位与迭代改进能力第 192 题请描述你常用的 Git 协作流程，并说明各分支的作用与合并策略。 考察版本控制与团队协作中的分支管理能力第 193 题梯度消失的原因有哪些，如何避免？ 考察对梯度消失成因的理解及常用缓解策略第 194 题DPO 训练后模型输出长度通常会如何变化？如何解决输出长度失控的问题？ 考察对 DPO 训练后输出长度变化的理解及长度控制的工程手段第 195 题团队目前遇到的问题：模型处理结果不可信，应该如何做？ 考察对模型可靠性评估、监控与治理的体系化认知第 196 题请介绍你进行模型微调的整体流程和关键步骤。 考察对微调全流程的理解和工程实践能力第 197 题请结合你的实习经历，详细谈谈你在后训练（Post-training）方面具体做过的任务、方法以及遇到的挑战。 考察后训练相关的实际项目经验、技术深度与复盘能力第 198 题请介绍一次你使用AI工具完成代码安全检测的经历。 考察实际使用AI工具进行代码安全检测的实践、方法及结果第 199 题在数据构建过程中，你有哪些实践技巧来保证数据质量与可维护性？ 考察数据构建的实操技巧、质量保障与工程化意识第 200 题项目训练过程中显存不够，你用了哪些技巧（如 gradient checkpointing、ZeRO）？ 考察大模型训练显存优化技术的原理理解与实际应用