人工智能面试题（2026 最新）
人工智能相关岗位面试题。
共 11389 道真题 · 更新 2026-08-05
筛选题目
考察点
技术栈
第 201 题请解释 GRPO 与 PPO 的主要区别，并说明各自的损失函数设计。 考察对强化学习微调算法（GRPO 与 PPO）的机制理解和损失函数推导能力第 202 题实现开五次根号的算法，如何设计并保证精度？ 考察数值计算方法、迭代收敛理解与边界处理第 203 题请说明当前模型中主要使用的序列类型，以及在架构中采用的是自注意力（self-attention）还是目标注意力（target attention），并解释选择的原因。 考察对模型序列类型和注意力机制的理解与选型依据第 204 题请分享一次你在工作或学习中面对较大压力的经历，以及你是如何应对的？ 考察候选人压力应对、情绪管理和问题解决能力第 205 题抛硬币游戏中，A先抛，若A抛到正面则获胜结束，否则轮到B抛；若B抛到正面则B获胜结束，否则再由A抛，如此交替重复。求A获胜的概率。 考察几何分布或条件概率的递推思维与计算能力第 206 题说明多任务的数据并行实现方式 考察数据并行策略的理解与落地能力第 207 题编程题：最接近的三数之和，先给出O(n^2 log n)的解法，再优化为双指针最优解。 考察排序、双指针技巧及算法复杂度优化能力第 208 题如何识别并避免奖励模型训练中的reward hacking（奖励欺骗）问题？ 考察对奖励模型偏好优化的鲁棒性理解与规避策略第 209 题请描述一次你对前端或计算机系统中的 reduce 操作进行性能优化的过程，包括你所遇到的具体场景、分析方法、优化措施与最终效果。 考察候选人对常见技术点优化的系统化思维与实际问题解决能力第 210 题除了 LoRA，你还了解哪些可用于训练和推理优化的技术？ 考察对大模型训练推理优化技术的广度与原理理解第 211 题请说明一个典型大语言模型中各主要模块的参数占比情况，例如嵌入层、注意力层和前馈网络层。 考察对Transformer模型结构及参数分布的理解第 212 题请介绍一个你参与的大模型相关项目，包括背景、你的职责、技术方案和结果。 考察对大模型项目的理解、个人贡献与技术实现能力第 213 题YOLOv4-tiny 的网络结构中是否使用了 FPN 特征金字塔？ 考察对目标检测骨干与特征融合结构的理解第 214 题请介绍你使用过的时序预测模型架构，以及你如何评估其预测效果？ 考察时序建模经验与评估指标的使用能力第 215 题在 YOLO 检测室内人物时，如果人手上的物品被裁到检测框之外，如何解决？ 考察对边界框回归缺陷的认知及针对性优化策略第 216 题为什么用Transformer不用CNN？ 考察对两种架构核心差异和适用场景的理解第 217 题请介绍贝尔曼方程及其在强化学习中的应用。 考察对贝尔曼方程基本形式、含义及在强化学习中作用的掌握第 218 题LayerNorm 的计算的维度呢? 考察对 LayerNorm 归一化维度的理解第 219 题SFT数据集为什么要进行数据清洗与均衡采样？ 考察对数据清洗与均衡采样作用的理解第 220 题在已有MPC路径规划或控制方案中，为什么仍然需要使用MPC，而不是直接依赖求解器？ 考察对MPC概念及求解器角色的区分