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 281 题使用 DeepSpeed 的 ZeRO-1、ZeRO-2、ZeRO-3 三种优化阶段，全量微调一个 7B 参数模型时，分别大约需要多少 GPU 显存？ 考察对 DeepSpeed 显存优化机制和模型显存估算的理解第 282 题请介绍你的项目中数据是如何收集的，以及使用了哪些网络结构或模型？ 考察数据处理流程与技术选型理解第 283 题有了解过模型部署的相关内容吗？ 考察对模型部署基本概念、流程与工具的了解程度第 284 题请说明LoRA的原理并计算其参数量。 考察对LoRA机制和参数规模的计算能力第 285 题请解释大语言模型分词器（Tokenizer）的工作原理，并说明其常见实现方式及其对模型的影响。 考察对分词器在LLM中的作用、常见算法及其影响的理解深度第 286 题讲解FT-Transformer原理 考察对特征嵌入与Transformer结合机制的理解第 287 题梯度爆炸和梯度消失是什么？分别怎么解决？ 考察对深度学习中梯度不稳定问题的理解及常用解决手段第 288 题请讲解所用算法的基本原理，并说明其控制论视角。 考察算法原理深度与控制论关联理解第 289 题请做一段自我介绍，并重点谈谈你与深度学习相关的经历。 考察自我呈现能力及深度学习相关经历的结构化表达第 290 题在工业界或你的项目实践中，为什么要引入Reference Model？它主要解决什么问题？ 考察对参考模型（系统参考架构）作用、价值和使用边界的理解第 291 题请写出RMSNorm的公式，并解释各符号含义。 考察归一化公式的准确记忆与数学表达能力第 292 题请介绍几种常用的损失函数，并说明它们各自适用的场景。 考察对损失函数原理、适用场景及选择权衡的理解第 293 题如何解决哈希冲突？ 考察对哈希冲突常见解决方案的理解与适用场景第 294 题在RAG系统中，你会如何优化召回链路以提升效果？ 考察对召回链路各环节优化手段的掌握程度第 295 题请描述你所在团队或项目的GPU集群规模，以及你是如何参与或管理该集群的？ 考察候选人对大规模GPU计算基础设施的认知、参与深度及技术细节第 296 题请简述特征的维度和模型的具体参数是如何确定的？ 考察特征工程和模型参数设定的合理性与可解释性第 297 题请介绍你主要使用的编程语言以及选择它的原因。 考察候选人的技术栈熟练度与选择依据第 298 题了解强化学习吗，跟 SFT 有什么区别？ 考察对强化学习与监督微调的概念理解及在模型训练中的定位第 299 题向量召回、关键词召回、实体召回等不同召回链路的结果如何合并，哪一个优先级更高？ 考察多路召回结果融合的工程实践与优先级设定逻辑第 300 题如何使用 free -h 查看系统内存的总量、已用量、空闲量以及缓存和缓冲区的使用情况？ 考察 Linux 内存查看命令 free 的基本用法与输出解读