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 121 题你目前最想学习的技术内容是什么？为什么？ 考察学习方向明确度、动机与自驱力第 122 题LoRA的原理是什么？如何初始化A、B矩阵？为什么这样初始化？ 考察对LoRA低秩适配原理的理解及初始化细节的掌握第 123 题当你的项目经历与目标公司的岗位需求不完全匹配时，你会如何应对？ 考察候选人如何将已有项目经验映射到目标岗位，以及自我调整与学习意愿第 124 题在 Linux 中如何查看当前所在路径？ 考察 pwd 指令的基本使用与路径概念第 125 题找工作最注重什么 考察求职动机与自我认知，判断人岗匹配度第 126 题请列举你熟悉的排序算法，并分析它们的时间复杂度、空间复杂度和适用场景。 考察对排序算法基础知识的掌握以及比较和选型能力第 127 题请手写代码实现最长回文子串的求解，要求说明算法思路和复杂度分析。 考察字符串处理、动态规划或中心扩展算法的实现能力第 128 题Transformer 中的 mask 是如何实现的？它在模型中的位置在哪里？如何处理掩码位置的无穷小值（-inf）问题？ 考察对 Transformer 掩码机制实现细节、使用位置及数值处理的理解第 129 题四塔多目标方案相较经典双塔在 CTR 和跨类目召回上通常能带来哪些可量化收益？ 考察对多目标建模与召回架构差异的理解及收益量化能力第 130 题你通常使用什么规格的YOLO模型（例如n、s、m、l、x）？请说明其层数或参数量，并解释选择依据。 考察对YOLO系列模型规格差异的理解及实际工程选型能力第 131 题请详细介绍你的实习经历，包括主要职责、参与的项目以及取得的成果。 考察候选人实习经历的真实性、职责理解与成果提炼能力第 132 题请介绍YouTube DNN推荐模型的结构。 考察对YouTube深度推荐模型结构的掌握与理解第 133 题你如何看待大模型在你的项目场景中的应用可能性？ 考察对大模型技术边界的认知和迁移思考第 134 题ResNet101相比于VGG有何提升？ 考察对ResNet核心改进及其相对VGG优势的理解第 135 题详细讲讲你第一个实习项目的内容和背景。 考察候选人基于真实经历的项目描述能力与表达结构化程度第 136 题YOLOv4-tiny 训练时如何分配正负样本？ 考察目标检测模型样本分配策略的理解第 137 题做过微调吗？讲一下SFT（监督微调）的基本原理。 考察对监督微调原理、流程与关键要素的理解第 138 题如何构建编码树？请描述其构建过程。 考察编码树构建原理和算法实现能力第 139 题介绍如何提高生成图和个人相似度的方法 考察对图像生成任务中保持人物身份一致性的技术理解第 140 题请解释主成分分析（PCA）的原理。 考察对PCA数学原理、几何意义及适用场景的理解