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 121 题模型和规则切换的过程是否会出现不稳定？ 考察对规则与模型切换时稳定性风险的理解及应对第 122 题当模型生成的输出内容显得空洞、不具体或不真实时，你会如何定位问题并优化模型输出？ 考察对模型输出质量问题（空洞、不真实）的诊断和优化能力第 123 题如果微调数据集已经构建好，你会从哪些方面着手进一步优化数据质量？ 考察数据优化方法论与实践落地能力第 124 题你的 RAG 项目在开发过程中遇到过哪些难点？又是如何解决的？ 考察 RAG 工程实践中的问题识别与解决能力第 125 题梯度消失怎么解决？ 考察对深度网络训练中梯度消失问题的成因与常见解决方案的理解第 126 题请谈谈你在实际项目中针对 PID 控制器进行参数整定的经验，重点说明你是如何确定或调整 PID 系数的。 考察 PID 参数整定的实际方法、经验与对控制效果的理解第 127 题微调Qwen时发现验证集loss震荡的可能原因有哪些？ 考察对模型微调中验证集loss波动原因的诊断能力第 128 题在C/C++开发中，如何定位并排查内存泄露问题？ 考察内存管理意识与排查工具方法第 129 题为什么在这个项目中XGBoost的效果比MLP好，可能是什么原因导致的？ 考察对GBDT与神经网络在不同数据场景下适用性的理解第 130 题超大规模聚类怎么选取类别？ 考察超大规模数据场景下选择聚类类别数（k值）的方法与权衡第 131 题过拟合、欠拟合分别如何解决？ 考察对过拟合与欠拟合成因及应对方法的理解第 132 题如何区分 loss 上升是因为训练参数不当，还是模型学到了新东西？ 考察诊断 loss 异常的根本原因分析能力第 133 题请详细介绍你在项目中应用Prompt工程、模型微调和DeepSpeed的具体实践与难点。 考察LLM工程化实践经验、技术选型和问题排查能力第 134 题训练模型时用了几张卡，有遇到什么异常中断问题吗？ 考察多卡训练的实际经验与故障排查能力第 135 题请列举深度学习模型训练中常见的难点，并针对其中两个说明其产生原因与解决方法。 考察深度学习训练陷阱的识别、原因分析与应对策略第 136 题DQN和DDQN在算法上有什么区别？ 考察对Double DQN改进动机和实现细节的理解第 137 题怎么识别和解决过拟合问题？ 考察对过拟合特征的识别能力及常用缓解手段的掌握第 138 题如何判断梯度爆炸和梯度消失？如何解决？ 考察对训练不稳定现象的识别与应对能力第 139 题你用过 Lua 脚本吗？在 Redis 中 Lua 脚本主要用来解决什么问题？ 考察 Redis Lua 脚本的用途、原子性理解及使用能力第 140 题大模型输出前后不一致怎么办，如何确保大模型输出内容的一致性？ 考察对大模型生成随机性与输出一致性控制方法的理解