我要招人

人工智能面试题更新 2026-08-05

请列举并简要说明常见的微调任务类型。

人工智能技术原理

考察说明

考查对微调任务类型的了解程度，以及能否区分不同微调任务的适用场景。

回答思路

  1. 【回答框架 1】微调（Fine-tuning）是在预训练模型基础上，使用特定任务数据继续训练以适配下游任务。常见的微调任务包括自然语言理解、自然语言生成、图像分类、目标检测、语音识别等。
  2. 【回答框架 2】在NLP领域，常见的微调任务主要有文本分类、命名实体识别、问答系统、文本相似度、机器翻译等。例如，使用BERT模型进行情感分析，就是文本分类任务。
  3. 【回答框架 3】在CV领域，常见的微调任务包括图像分类、目标检测、图像分割等。例如，使用ResNet预训练模型进行猫狗分类，属于图像分类微调。
  4. 【回答框架 4】此外，还有多模态微调、指令微调、领域自适应微调等。指令微调（Instruction Tuning）是近年来的热点，用于让模型更好地遵循人类指令。领域自适应微调则是将通用模型适配到特定领域如医疗、金融。
  5. 【关键点 1】微调是基于预训练模型的下游任务适配过程。
  6. 【关键点 2】NLP常见微调任务：文本分类、NER、QA、文本相似度。
  7. 【关键点 3】CV常见微调任务：图像分类、目标检测、分割。
  8. 【关键点 4】指令微调改进模型遵循指令的能力。
  9. 【关键点 5】领域自适应微调用于特定行业场景。
  10. 【易错点 1】容易混淆微调和Feature-based迁移学习，微调会更新模型参数，而特征提取可能冻结模型。
  11. 【易错点 2】不要忽视微调数据与预训练数据分布差异，可能导致灾难性遗忘。
  12. 【易错点 3】微调不是万能的，当数据量少时可能过拟合，需要正则化或早停。