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 341 题你构造数据集遇到过什么难点，如何解决问题？ 考察数据构造中的问题识别、解决思路与数据质量意识第 342 题假如针对某个任务（比如RAG系统最后做总结）写了一个初始Prompt，发现结果有问题、不能很好遵循要求，有什么样的优化策略方式？ 考察 Prompt 调试与迭代优化的方法论第 343 题请解释神经网络训练中梯度消失的成因，以及常见的缓解方法。 考察对反向传播中梯度衰减机制的理解及解决方案第 344 题在最后一个项目中，RLHF（从人类反馈中强化学习）过程中遇到了哪些问题，你是如何解决的？ 考察候选人在大模型对齐技术中的实际问题排查与解决能力第 345 题是否训练过自己的Embedding模型？如果有，请说明训练过程和效果；如果没有，请说明如何选型或微调方案。 考察对Embedding模型定制和行业适配的实践认知第 346 题你在模型训练中遇到过哪些困难，是如何解决的？ 考察候选人面对训练问题的实际经历、解决思路和复盘能力第 347 题请介绍一下你在大模型应用开发中如何调试 prompt 的经验。 考察 prompt 调试实践、方法与问题定位能力第 348 题请说明 XGBoost 的优缺点，并比较它与随机森林的区别。 考察对梯度提升树模型原理的理解及模型间对比分析能力第 349 题在模型部署中，量化通常会导致精度下降。请说明你会如何排查并解决这类精度下降问题。 考察对模型量化精度损失的原因分析与实际解决方法第 350 题如果训练出来的模型在某一类任务上表现比较差，如何解决这个问题？ 考察机器学习调试与问题定位能力第 351 题在 GRPO 训练中，如果一组样本的优势得分（advantage）全部为 0 或 1（即无梯度或饱和），应如何处理？ 考察对 GRPO 优势归一化与训练稳定的理解第 352 题介绍下llama.cpp相关的经历。 考察候选人对llama.cpp的实际使用经验与理解深度第 353 题请介绍你在[你的项目]中遇到的一个技术难点，以及你是如何解决它的？ 考察候选人的问题定位、解决方案和反思能力第 354 题索引什么时候会失效？ 考察对数据库索引失效常见场景及优化方法的掌握第 355 题请介绍你项目中遇到的一个技术问题，以及你是如何解决的。 考察技术问题排查、分析解决和项目复盘能力第 356 题请举例说明 Linux 下常用的文件操作、进程管理和系统状态查看命令。 考察 Linux 基础命令的熟悉程度和实际应用能力第 357 题微调后的badcase怎么处理？ 考察对模型微调迭代流程中badcase的定位、分析与持续改进能力第 358 题请描述在 Protobuf 反序列化场景中，如果数据在传输过程中发生错误或损坏，你会如何发现并处理这些错误？ 考察对 Protobuf 反序列化错误检测与处理策略的理解第 359 题请介绍你在完成这项工作时遇到的主要困难，以及你是如何解决的？ 考察问题识别、应对策略与结果复盘能力第 360 题传统 RAG 系统在处理知识问答时存在哪些主要痛点？ 考察对传统 RAG 技术局限性的理解深度