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 901 题请介绍 GRPO（Group Relative Policy Optimization）的基本原理。 考察对 GRPO 算法核心思想与关键机制的理解第 902 题在你的项目中，数据是如何构建和组织的？请说明具体的数据来源、处理流程和使用的技术工具。 考察数据构建流程、技术选型与工程实践第 903 题请介绍你在GPT、ViT或Transformer相关项目中的具体工作。 考察对Transformer架构相关项目的理解深度和实际落地能力第 904 题做微调的时候，有没有必要去加入新的词到词表中？ 考察对预训练模型词表扩展的理解及权衡第 905 题线性回归的loss是最小二乘，什么是最小二乘法？ 考察最小二乘法的原理、目标函数求解及与线性回归的关系第 906 题请说明使用 PyTorch/CUDA 实现四线性插值的思路，并给出基本伪代码。 考察对高维插值的理解、PyTorch 与 CUDA 并行编程设计能力第 907 题请介绍一下你负责的海外大模型产品，特别是在对话问答和NPC相关方向的工作。 考察对产品方向、技术实现和业务价值的理解与表达第 908 题请解释激活函数与损失函数的区别，并分别说明它们在神经网络训练中的角色。 考察对神经网络两大核心组件职能与协同关系的理解第 909 题为什么选择机器学习岗位？ 考察求职动机、岗位认知与职业规划第 910 题请简述广告推荐系统的核心工作原理，并说明如何平衡广告收入与用户体验。 考察对广告推荐系统整体流程、核心机制及业务权衡的理解第 911 题在训练深度神经网络时，有哪些常用方法可以缓解或解决梯度爆炸与消失？请说明原理。 考察对梯度不稳定常见解决方案的原理与适用场景的理解第 912 题直方图均衡化为什么可以增强图像？ 考察直方图均衡化的原理、统计基础和增强效果来源第 913 题请介绍除 DIN 之外的序列建模方法，并对比 Transformer 与 DIN 在推荐场景中的区别。 考察序列建模技术积累与推荐场景下的模型选型能力第 914 题如果已经有了用户行为序列，用户信息（如年龄、性别、地域等）还重要吗？ 考察对用户行为序列与静态用户信息之间关系的理解第 915 题和传统SFT相比，RLHF旨在解决语言模型中的哪些核心问题？ 考察对RLHF动机与优势的理解，以及与传统SFT的对比第 916 题Transformer的mask是如何操作的？ 考察对Transformer中padding mask和attention mask原理及实现的理解第 917 题请解释原始RoPE在视频处理中是如何应用于每一帧或每个patch的，以及这种处理的局限性是什么。 考察对RoPE在视频多帧场景中应用机制及其序列长度扩展限制的理解第 918 题如何解决大模型的灾难性遗忘问题？ 考察对灾难性遗忘解决策略的知识广度与实现认知第 919 题请解释注意力机制（Attention Mechanism）的基本原理，并说明它在深度学习模型中的作用。 考察对注意力机制核心思想及其应用的掌握程度第 920 题对于一个样本极度不均衡的数据（正负比例为1:10000），如何设计方法从数据、采样、模型三个方面进行解释？ 考察对类别不平衡问题的系统性处理方法，涵盖数据层面、采样策略和模型层面