人工智能面试题 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 332 道 · 更新 2026-08-05
筛选题目已选：LLM
考察点
技术栈
第 41 题你对大模型基础原理的了解是？ 考察对大模型核心概念和训练流程的基础认知第 42 题请解释GQA（分组查询注意力）和MLA（多头潜在注意力）等注意力机制的结构及其在LLM中的作用。 考察对前沿注意力机制原理的理解及在LLM中的应用第 43 题大模型在推荐系统中一般有哪些应用或应用方向？ 考察对大模型在推荐系统中应用方向的理解广度与深度第 44 题请说明监督微调（Supervised Fine-Tuning）在大模型部署流程中的主要作用，并简述部署时常用的优化手段。 考察对监督微调概念及模型部署优化的理解第 45 题什么是大语言模型的“上下文窗口”？扩展上下文窗口对模型性能有何影响？ 考察对大语言模型上下文窗口概念的理解及其扩展带来的性能权衡第 46 题请具体说明 LoRA 的原理和实现步骤。 考察对参数高效微调技术的深入理解与动手细节第 47 题如何利用GPT或类似模型辅助提升数据集质量？ 考察利用生成式模型进行数据增强和质检的能力第 48 题大语言模型的损失函数通常是什么？给定一个10万词表的词汇表，如何计算其损失值？ 考察对语言模型训练目标的理解及交叉熵损失的计算能力第 49 题请介绍对编码模型（如代码生成模型）的了解，包括原理和优缺点。 考察对代码生成模型原理及局限的认知第 50 题项目中的OCR是怎么做的，为什么选择用大模型来做？ 考察OCR技术方案的设计理解与选型判断第 51 题如何设计一个AI理财助理（基于大模型）？ 考察大模型应用系统的整体设计能力，包括技术选型、可靠性、安全与合规第 52 题在缺少金标准数据的情况下，如何确保LLM生成数据的质量评估是可靠的？ 考察对无监督评估方法可靠性与局限性的理解第 53 题LoRA和Adapter在原理与实现上有什么区别？ 考察对两种PEFT方法机制差异的深入理解第 54 题如何理解大模型安全？请列举其包含的主要方面。 考察对大模型安全范畴的整体认知和结构化表达能力第 55 题大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。 考察对大模型生成重复问题的原因理解与解决方法的掌握第 56 题假设我们有一个效果很好的70B大模型，但因为太大太慢，没法直接上线。请列举并比较主要的模型压缩方法比如剪枝和量化，说明各自的优缺点。 考察对大模型压缩核心方法的理解与权衡能力第 57 题为什么大模型有few-shot能力？讲一下few-shot能力的原理。 考察对大模型上下文学习机制与少样本泛化原理的理解第 58 题请简述大模型微调的常见方法（如全量微调、LoRA、QLoRA）及其适用场景。 考察对大模型微调技术栈的理解及场景化选型能力第 59 题讲讲你知道的大模型技术最新发展 考察对大模型技术前沿动态的跟踪广度和理解深度第 60 题如何提升大模型上下文长度的token处理能力？ 考察对模型上下文窗口扩展技术和相关优化策略的理解