电商行业面试题 · 问题拆解 · LLM
电商行业相关面试题，按题目行业基础数据聚合。
共 10617 道真题 · 当前筛选命中 19 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · LLM
考察点
技术栈
第 1 题大模型在训练和推理时显存不够，有哪些优化方法？ 考察对大模型显存瓶颈的理解及训练和推理阶段优化手段的掌握第 2 题请介绍你参与的大模型代码生成项目，包括项目目标、技术方案以及你个人的具体贡献。 考察候选人项目理解深度、技术方案设计能力与个人贡献的真实性第 3 题优化大模型的指令跟随能力与推理能力，哪个挑战更大？各自的关键难点是什么？ 考察对LLM能力维度的理解深度与对比分析第 4 题对于大模型落地某个具体任务，优化有哪些方向？ 考察大模型落地任务时的综合优化思路与系统性第 5 题对比Zero-Shot、Few-Shot和In-Context Learning，它们在大语言模型中的应用场景和局限性分别是什么？ 考察对大语言模型提示范式差异的理解及实际取舍第 6 题你认为使用提示词（Prompt）有门槛吗？门槛体现在哪些方面？ 考察对提示词工程本质的理解及对使用者能力要求的认知第 7 题请分享你在大语言模型有监督微调（SFT）中的调参经验，重点说明关键超参数的选择依据和调整方法。 考察对大模型SFT关键超参数的理解、实践经验与调参方法论第 8 题怎么缓解大模型的幻觉问题？ 考察对大模型幻觉成因和缓解方法的理解第 9 题请描述LLM与外部工具配合调用的整体流程。 考察对LLM工具调用机制和协同流程的理解第 10 题大语言模型在推理时出现“幻觉”现象的原因有哪些？ 考察对大语言模型幻觉成因的深入理解第 11 题如果大模型的输入上下文窗口是4k长度，能否让它输出8k长度的内容？ 考察对模型上下文窗口与输出长度限制的理解第 12 题请谈谈你对AI Agent与大模型技术的理解，以及你在这方面的实践经验。 考察对AI Agent、大模型基础原理的认知深度，以及实际项目经验第 13 题你在这个项目中使用了LLM，但本质上它就是一个分类任务，为什么不直接训练一个专用分类模型？ 考察对LLM方案与专用模型方案在分类场景中的权衡能力第 14 题请解释大语言模型中Tokenization的基本原理和流程。 考察对Tokenization概念、流程及作用的理解第 15 题怎么让大模型自动生成测试用例 考察对基于大模型的测试用例生成流程、输入设计与质量把控的理解第 16 题介绍一下大语言模型的RAG？ 考察对RAG架构、核心流程和应用价值的理解第 17 题在LLM训练中，你是如何构造数据集来训练奖励模型或使用DPO的？ 考察数据集构造方法及其对训练稳定性的影响第 18 题如何设计一个高质量的Prompt来引导大语言模型完成指定任务？ 考察对大模型Prompt设计原则、结构化和迭代优化的理解第 19 题怎么保证预训练数据的质量？ 考察对大模型预训练数据质量控制策略和工程实践的理解