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 21 题Self-Attention和Cross-Attention分别介绍有什么异同，Transformer的encoder和decoder都用了什么？ 考察对Transformer注意力机制原理及编码器解码器架构细节的理解第 22 题详细讲讲L1正则化和L2正则化 考察对正则化原理、区别及适用场景的理解第 23 题针对该技术改进，你设计了哪些具体方案，为什么选择这个方案而不是其他替代方案？ 考察技术方案设计能力与方案权衡意识第 24 题在Agent系统中，主Agent通常会规划哪些工具调用？请举例说明。 考察对Agent工具调用规划机制的理解与表达能力第 25 题介绍一下LoRA微调。 考察对LoRA原理、机制和应用场景的理解第 26 题在标准Transformer架构中，哪个模块的计算量最大？ 考察对Transformer组件计算复杂度的理解第 27 题辅助损失函数可能导致噪声拟合，如何避免这种情况？ 考察对辅助损失作用机制的理解及正则化与调参策略第 28 题MLP和DNN的区别是什么？ 考察对神经网络基础概念的准确理解与术语辨析能力第 29 题图像退化方式通常有哪些？如何影响画质增强方案设计？ 考察对图像退化模型的理解及对算法设计的影响第 30 题针对二叉树的搜索，什么情况下适合选择哪种搜索方法？请具体说明。 考察二叉树遍历与搜索策略的选择及适用条件第 31 题结合你的项目经验，请谈谈一个基于RAG的应用在性能调优方面你会怎么做？ 考察RAG系统性能优化思路和项目实践第 32 题LLAMA 和 ChatGLM 的区别是什么？ 考察对大模型架构、训练目标和适用场景的对比理解第 33 题请做一个简短的自我介绍，重点突出你的技术方向和项目经历。 考察自我认知、表达逻辑与技术背景概括能力第 34 题请介绍一篇你最近阅读的论文，并说明它对你有何启发。 考察持续学习习惯、信息摄取能力与技术视野第 35 题请介绍常用的语料质量过滤方法及其适用场景。 考察对语料清洗技术的掌握与场景适配能力第 36 题请介绍你在微调大模型时负责的工作内容。 考察候选人在大模型微调项目中的实际职责与参与深度第 37 题你是否了解 QLoRA？具体来说，它是如何进行量化的？ 考察对 QLoRA 量化机制和低资源微调原理的理解第 38 题在 RAG 系统中，你们是否使用 rerank？如何做？ 考察重排模型在 RAG 中的应用与实现细节第 39 题请讲解ROS的通信机制及其底层实现原理。 考察对ROS核心通信模型和底层实现的理解第 40 题谈数据处理流程、长尾问题发现和优化 考察数据处理流程理解、长尾问题识别与优化能力