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 981 题算法的速度提升了70%，这70%是怎么来的？做了哪些部署方面的工作来达到？ 考察算法优化与部署调优的综合能力，验证性能提升来源的合理性与可解释性第 982 题Agent和Workflow的区别是什么？为什么需要Agent？ 考察对Agent与Workflow概念的理解及Agent价值判断第 983 题请手写实现 Multi-Head Attention（MHA），并说明其计算过程。 考察对 Transformer 注意力机制的深入理解与编码实现能力第 984 题请介绍你在大模型方向的实习项目，重点说明使用了哪些开源模型，以及你在项目中的具体贡献。 考察大模型应用项目的实际经验、开源模型的选用与个人职责第 985 题LoRA有哪些参数可以调？ 考察对LoRA微调关键参数及其影响的理解第 986 题请列举并简要解释你常用的 Linux 命令，并说明它们分别适用于哪些场景？ 考察 Linux 基础命令的掌握程度与实际应用能力第 987 题请简要介绍你最有代表性的一个项目，包括你在其中的角色、遇到的技术难点以及你是如何解决的。 考察项目经历的完整性、技术深度和问题解决能力第 988 题你有多个LoRA微调的经验吗？如果有，请说明在什么场景下使用了多个LoRA以及如何组合它们。 考察多LoRA微调的实际经验与管理策略第 989 题新模型灰度测试指标不稳定时，负面指标应如何理解和归因？ 考察灰度实验中的负向指标分析与归因能力第 990 题请介绍在机器学习项目中如何进行特征工程，并说明关键步骤和常用方法。 考察对特征工程全流程的理解及实际应用能力第 991 题讲解PPO和GRPO的区别，以及GRPO包含的模型数量。 考察对强化学习算法原理和模型架构的理解第 992 题请做一个自我介绍，并重点介绍你最近负责的一个项目。 考察自我呈现的条理性和项目深度的表达能力第 993 题给定一棵二叉树，请使用广度优先搜索（BFS）找出最底层最左边的节点值，并写出 BFS 实现。 考察 BFS 层次遍历与最底层最左节点识别能力第 994 题请介绍你的实习业务背景。 考察候选人对实习业务的理解、项目定位和贡献的概括能力第 995 题请介绍你的研究生专业、研究方向、成绩及论文发表情况。 考察学术背景与研究能力第 996 题请讲解K近邻算法。 考察对K近邻算法核心原理、关键参数和适用边界的理解第 997 题上下文场景中，单Agent和多Agent各自的优劣势是什么？ 考察对Agent架构选择及其在特定场景下权衡的理解第 998 题介绍一下大语言模型中的注意力机制，多头相比单头注意力有何优势？ 考察对注意力机制原理的理解及多头设计价值的掌握第 999 题LoRA的A、B矩阵怎么初始化的？ 考察对LoRA参数初始化细节及训练稳定性的理解第 1000 题你的项目和LTE和5G NR有没有什么联系吗？ 考察项目与现有通信标准的关联性和技术理解深度