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 101 题在做多模态融合时，有没有做过视觉与文本之间的对齐任务？你是怎么做的？ 考察多模态对齐方法的理解、实践经验与方案设计能力第 102 题Python 项目中出现包版本冲突时，通常有哪些解决思路？ 考察包依赖管理和冲突解决的基本方法第 103 题请分别讲解 Dense 模型与 MoE 模型的结构原理，并说明二者的主要区别。 考察对两种神经网络架构原理的理解与对比能力第 104 题为什么选择当前岗位？ 考察求职动机、岗位认知和自身匹配度第 105 题你了解哪些多目标融合的算法？请举例说明其原理和适用场景。 考察多目标优化与融合算法的原理认知和场景匹配能力第 106 题对于一个BERT模型，假设序列长度为n、隐藏维度为d、层数为l，如何计算其总参数量？请给出估算公式。 考察对Transformer/BERT模型结构的理解及参数量估算能力第 107 题当用户投诉大模型输出质量差时，你会从哪些方向进行改进？ 考察对大模型质量问题的系统定位与改进思路第 108 题DCN交叉是怎么做的，DCN v2对DCN的改进是什么，带来了怎样的提升？ 考察对推荐系统特征交叉网络（DCN）原理及其演进的理解第 109 题介绍主流的BEV算法，说明自顶向下与自底向上方案的区别。 考察对BEV感知算法分类及设计思路的掌握第 110 题判断链表是否有环的两种方法分别是什么？各自的优势和劣势是什么？ 考察链表环检测算法及其复杂度与适用场景第 111 题训练数据中存在噪声时可能引发模型幻觉，针对这一问题你会采取哪些处理措施？ 考察对训练数据噪声影响模型幻觉的识别与处理能力第 112 题请说明RQ-VAE训练时的损失函数组成及其作用。 考察对RQ-VAE模型训练目标的理解第 113 题请描述你在做重要决定时的决策风格，是犹豫不决还是果断？请结合具体事例说明。 考察候选人的决策风格、判断力与自我认知第 114 题实现一个循环链表，支持插入、删除和遍历操作。 考察链表基本操作与循环链表边界处理能力第 115 题训练时 loss 一直不收敛，你会怎么排查？ 考察模型训练问题排查的系统性与对常见收敛失败原因的理解第 116 题请描述非极大值抑制（NMS）的处理过程，并说明其作用。 考察对目标检测后处理中NMS流程的理解及参数影响第 117 题请详细介绍你在实习中参与的继续预训练、SFT和DPO的完整流程，包括数据准备、模型训练和评估环节。 考察对大模型训练流程的实际理解和操作细节第 118 题介绍一下你对推荐系统的认识。 考察对推荐系统整体架构、核心算法和业务价值的理解第 119 题你在项目开发中使用了哪些 C++11 新特性？请举例说明它们的适用场景和带来的价值。 考察 C++11 新特性的掌握程度、实际应用能力与场景判断第 120 题请介绍 Reward Hacking 的概念、产生原因及应对策略。 考察对强化学习中奖励设计偏差的理解与风险识别能力