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 321 题在DPO（直接偏好优化）微调中，除了使用正则表达式截断，还有哪些方法可以控制模型回答过长的问题？ 考察对DPO训练数据构造与奖励模型限制的理解，以及长度控制的替代策略第 322 题如果KL散度太大，你会如何进行调节？ 考察对KL失控问题的诊断与调参能力第 323 题在算法部署的过程中有没有遇到过算子不适配的问题？如果出现了算子不适配，应该怎么解决？ 考察算法部署中算子兼容性问题的识别与解决能力第 324 题请介绍你在项目中落地部署C++应用的经验，包括部署过程中的关键步骤和遇到的问题。 考察C++应用部署的实际操作能力与问题处理经验第 325 题讲解 BatchNorm 和 LayerNorm 的原理，以及在 PyTorch 中的实现方式。 考察对两种归一化方法的原理理解与 PyTorch 落地能力第 326 题请描述一个你曾经遇到的技术难题，并说明你是如何定位和解决它的。 考察问题定位、解决思路与复盘能力第 327 题请介绍你的多卡推理优化经验。 考察多卡分布式推理的工程实践能力与优化思路第 328 题请结合[你的项目]，详细说明你在数据清洗阶段做了哪些工作？ 考察候选人对数据清洗流程的理解和实际项目中的执行细节第 329 题请分享在机器人挑战中，你遇到的一个印象深刻的问题，以及你是如何解决它的。 考察候选人问题解决能力、技术深度与复盘能力第 330 题网络收敛很慢时，可以采取哪些优化方法？ 考察对网络收敛机制的理解及常见优化手段第 331 题请描述你调试一个复杂代码问题的完整思路和步骤。 考察系统性排查问题的能力和调试方法论第 332 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 333 题当模型效果不佳时，应该优先从模型层面还是数据层面进行优化？如何判断数据量是否足够？ 考察机器学习问题排查的思路和优先级判断能力第 334 题左右相机建立的点怎么判断是同一个 考察立体视觉中特征匹配与同名点判定的原理第 335 题线上模型评测中人工评测是如何开展的？ 考察人工评测的组织流程与质量控制第 336 题图像分割模型出现过拟合或欠拟合时，除了增加训练数据和修改损失函数，你还会从哪些方面入手解决？ 考察对过拟合与欠拟合的系统性诊断和解决能力第 337 题说说TCP三次握手的过程及作用。 考察对TCP连接建立机制的理解及实际应用意识第 338 题是否了解ES的打分score的计算方式？ 考察对Elasticsearch相关性评分机制的理解深度第 339 题梯度爆炸和消失的处理方法有哪些？ 考察对深度学习训练中梯度不稳定问题的理解与解决策略第 340 题如何衡量特征在机器学习模型中的重要度？请列举至少两种方法并说明适用场景。 考察对特征重要性度量方法的掌握及其适用场景的辨析