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 281 题在构建数据集的过程中你遇到过哪些具体问题？你是如何解决的？ 考察数据构建中的问题识别、解决思路和工程实践能力第 282 题请介绍一次你微调大语言模型的经历，包括数据、方法、效果和遇到的问题。 考察大模型微调工程实践、数据质量意识与问题排查能力第 283 题如何解决梯度消失和梯度爆炸的问题？ 考察对深度学习训练稳定性问题的理解及常用解决方案第 284 题LLM训练中遇到Loss突增如何解决？ 考察对LLM训练稳定性问题及诊断排查能力第 285 题项目中针对耗时做了哪些优化？ 考察性能优化思路、问题定位方法与实际效果验证能力第 286 题请介绍你在部署环节做过哪些优化，以及这些优化带来了什么效果。 考察部署流程优化方法、量化结果与持续改进意识第 287 题在实习过程中，你遇到了哪些技术难题，是如何定位和解决的？ 考察技术问题排查与解决能力第 288 题什么情况下会出现锁？你一般如何分析和解决锁相关问题？ 考察并发场景下锁的产生原因、问题识别和解决手段第 289 题有没有做记忆衰退，避免旧数据干扰新任务？ 考察持续学习场景下旧知识遗忘与新任务适配的平衡策略第 290 题智能指针如何解决循环引用问题？请说明 weak_ptr 的作用原理。 考察智能指针内存管理机制、循环引用成因及 weak_ptr 的破环原理第 291 题请结合你的实际经验，谈谈你如何使用大模型（如通义千问）辅助进行故障或问题的根因预测？ 考察候选人将大模型应用于实际运维或问题定位场景的实践能力与思考深度第 292 题在RAG系统里，哪些环节最容易成为性能瓶颈？请结合原因说明。 考察发现与定位RAG系统性能瓶颈的能力第 293 题如何定位并解决模型离线表现与线上效果差异大的问题？ 考察对离在线效果差异根因的系统排查能力第 294 题PyTorch如何加快数据读取？ 考察对PyTorch数据加载瓶颈的理解及常用优化手段第 295 题调参过程中遇到过哪些问题？哪些参数难调？ 考察模型调参的实战经验与问题定位能力第 296 题如何利用RAG缓解大模型的幻觉问题？ 考察RAG在幻觉治理上的机制、局限与增强方案第 297 题讲解你的实习经历（智能NPC方向），包括数据处理与探索、模型全参微调和部署。 考察候选人真实项目经验深度、技术细节掌握以及工程落地能力第 298 题大模型的复读问题是怎么产生的，业内一般有什么解决办法？ 考察对LLM复读（重复生成）现象的成因理解和业界主流缓解手段第 299 题当模型生成的答案重复率较高时，通常可以调整哪些生成参数来降低重复？ 考察对文本生成参数的理解及实践调优能力第 300 题神经网络梯度爆炸问题怎么解决？ 考察对深度学习训练稳定性问题的理解与常规解决方法