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 101 题请介绍InternVL模型的发展历程，以及每个版本的技术特点和演进动机。 考察对InternVL系列模型演进的理解、技术脉络梳理和关键改进点的掌握第 102 题你如何评估大模型的性能？有哪些常用的评估指标？ 考察对大模型评估方法、指标体系和评测过程的理解第 103 题为什么通常采用LLM最后一层隐藏状态做pooling？ 考察对语言模型表征生成机制的理解及其在下游任务中的应用第 104 题除了简历上的项目，你还做过哪些与LLM相关的项目？ 考察候选人是否具备LLM领域持续的实践经验、学习自主性和能力边界认知第 105 题如何优化意图识别模型中大语言模型的输出格式不稳定问题？ 考察对LLM输出格式控制方法的理解及工程实践第 106 题询问LLM推理时，如何从prompt中分离出response？ 考察对LLM接口调用与提示词设计的理解，以及解析生成结果的基本能力第 107 题在检索增强生成系统中，为什么通常在向量相似度检索后还要将结果交给大模型生成答案，而不是直接输出检索文本？这样对幻觉和安全性有什么影响？ 考察对RAG架构中检索与生成分离的理解，以及其对幻觉和安全性的影响第 108 题如何评估LLM和Agent的效果？ 考察对模型与智能体评估体系、方法与指标的理解第 109 题你在项目中使用 LoRA 微调 LLM,请说明你设置的 rank、alpha 值,并分析它们对性能和收敛速度的影响。 考察对 LoRA 超参数作用机制的理解及实验分析能力第 110 题在亿级用户历史数据背景下，LLM在推荐系统中有哪些典型应用方式？请结合实际场景说明。 考察LLM在推荐系统中的落地应用与工程权衡第 111 题有没有研究过大模型上下文的工作，比如推理加速或长上下文扩展？ 考察对大模型上下文处理技术的研究深度与应用理解第 112 题请结合你在大模型方向的研究与实践，谈谈 Transformer 的架构特点，以及这些特点如何支撑大模型的训练和部署。 考察对 Transformer 架构及其在大模型工程应用中的理解深度第 113 题packing形式和"多轮对话"形式有何区别? 考察对LLM训练中序列打包与多轮对话数据处理方式的理解第 114 题请介绍你的项目中 LLM 微调的整体流程和方法。 考察对 LLM 微调流程的理解与项目实践第 115 题大模型常用的位置编码有哪些？各自的优缺点是什么？ 考察对位置编码机制的理解、对比与适用场景判断第 116 题如果DPO后的模型效果不如SFT，你会如何分析和应对？ 考察对DPO退化问题的归因与优化策略第 117 题请分别说明大模型训练和推理阶段的主要性能优化手段。 考察对大模型训练与推理性能优化的系统理解与工程实践第 118 题大模型微调中，LoRA 有什么缺点？ 考察对 LoRA 技术局限性的理解及其适用边界第 119 题如何构造大语言模型微调所需的训练数据？ 考察对微调数据构造流程、数据质量与多样性管理的理解第 120 题用LLM做文本分类时，如何选择encoder架构和decoder架构？ 考察对LLM架构原理及其在分类任务中适用性的理解