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 41 题从算法原理和训练资源角度，解释 GRPO 相比 PPO 在哪些方面节省了计算资源，以及它为何可能成为业界更受青睐的强化学习训练方法？ 考察对 GRPO 算法原理及资源优化的理解第 42 题请介绍一些具有旋转不变性的图像处理或特征提取算法，并说明其原理和应用场景。 考察图像算法中旋转不变性的理解与代表性方法第 43 题请介绍你了解的 QWQ 模型，包括其架构特点、适用场景和局限性。 考察对大语言模型发展动态的了解深度与批判性思维第 44 题在设计基于 LLM 的检索系统时，如何更好地引入和使用 Embedding？ 考察对 LLM Embedding 的本质理解、选型与质量评估能力第 45 题请说明使用 TensorRT 进行模型部署的主要步骤和编写要点 考察对 TensorRT 部署流程的理解和实际工程经验第 46 题请介绍一个你做过的应用层项目，包括项目目标、你的职责和最终结果。 考察候选人应用层项目经验的范围、深度和个人贡献第 47 题在蒸馏微调过程中，你是只使用了数据集中的硬标签，还是也利用了教师模型的 logits 软标签？两种方式的优缺点是什么？ 考察对软标签蒸馏与硬标签训练差异的理解第 48 题是否了解 QLoRA？ 考察对大模型参数高效微调方法的原理与工程认知第 49 题请介绍你在项目中具体使用了Qwen模型的哪些结构，以及这些结构是如何支撑你的业务需求的？ 考察候选人对大型语言模型结构的实际理解与应用能力第 50 题在自动驾驶或机器人系统中，如何确定轨迹规划和地图的覆盖范围？ 考察对轨迹规划与地图范围匹配关系的理解及系统设计能力第 51 题请介绍MMoE模型的工作原理，并说明专家同质化问题及其常见解决方案。 考察多任务学习模型MMoE的结构理解与专家同质化问题的识别和解决能力第 52 题SFT训练数据是如何构造的，其中的思维链（CoT）是如何编写的？ 考察对大规模语言模型监督微调数据构造方法与思维链标注实践的理解第 53 题常用的文本向量化模型有哪些？请列举并简要说明适用场景。 考察对文本嵌入模型及其应用场景的掌握第 54 题在一个二维网格中，机器人从左上角出发，每次只能向右或向下移动一步，到达右下角有多少条不同的路径？请写出实现并分析复杂度。 考察动态规划或组合数学解决网格路径计数问题的能力第 55 题你负责的模型上线后，下游业务的指标提升情况如何？ 考察数据驱动评估模型业务价值的闭环能力第 56 题请解释知识蒸馏中教师模型与学生模型的更新方式，并说明其区别。 考察对知识蒸馏训练流程和参数更新机制的理解第 57 题能讲讲你学习大模型的路线吗？ 考察候选人学习路径、方法自驱性与技术深度第 58 题在RAG系统中,微调与直接使用通用模型相比,有哪些适用场景与限制? 考察对RAG中微调必要性与局限的理解第 59 题请解释 Function Calling 与 MCP（Model Context Protocol）的区别与联系。 考察对 AI 工具调用机制与协议设计的理解第 60 题在实际训练或微调的过程中遇到了哪些问题，是怎么解决的？请结合精度问题、梯度爆炸、loss出现nan等具体现象展开。 考察深度学习训练问题的排查能力与解决思路