人工智能面试题 · 技术原理 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 274 道 · 更新 2026-08-05
筛选题目已选：技术原理 · LLM
考察点
技术栈
第 101 题LLM训练的时候为什么warmup？ 考察对学习率调度、训练稳定性和优化器行为的理解第 102 题请说明大模型幻觉问题的成因及常见解决方法。 考察对大模型幻觉现象的理解与工程对策第 103 题什么是大模型的幻觉，如何缓解？ 考察对大模型幻觉概念的理解和实用缓解策略第 104 题2 LLM有哪些评价指标？ 考察对大型语言模型评估体系的理解与分类能力第 105 题你用过哪些大模型微调方式？请简述 LoRA 微调的原理。 考察对大模型微调方法的熟悉程度及对 LoRA 核心机制的理解第 106 题在微调大语言模型时，如何选择合适的损失函数？ 考察对微调任务类型与损失函数匹配的理解第 107 题请从技术角度评估大语言模型生成响应的速度受到哪些因素影响，并结合实际场景提出优化思路。 考察对LLM推理性能影响因素的理解与优化方法第 108 题介绍一下大语言模型中的知识蒸馏，它如何用于压缩模型体积？ 考察对大语言模型知识蒸馏原理及其在模型压缩中作用的理解第 109 题请解释大语言模型推理时的采样参数 temperature、top-k 和 top-p 各自的作用，并说明它们对生成结果的影响。 考察对 LLM 解码阶段采样策略的理解与应用第 110 题对比大语言模型的增量推理和传统推理方式，增量推理的优势和实现难点是什么？ 考察对大模型推理机制的理解及工程优化能力第 111 题请谈谈你对大语言模型的基本了解，包括其主要特点和应用场景。 考察对AI基础概念的认知及表达能力第 112 题CLIP的对比学习中的Temperature和LLM解码器中的Temperature是同一个概念吗？ 考察对两种不同场景下Temperature参数的理解与区分第 113 题主流LLM模型结构设计有什么特点？ 考察对现代大语言模型架构设计的理解与归纳能力第 114 题针对大模型训练数据集，如何系统性地提升数据质量？ 考察大模型数据集质量维度和提升方法第 115 题讲一下 LoRA 微调的原理。 考察对大模型参数高效微调方法 LoRA 的核心机制理解第 116 题模型幻觉怎么处理，为什么会有幻觉？ 考察对LLM幻觉成因的理解及实际应对策略第 117 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 118 题现在的大模型如何应用到搜索检索层面？ 考察大模型在搜索检索中的技术应用与系统设计思路第 119 题你了解大模型微调吗？请说明QLoRA的原理。 考察对大模型微调方法及QLoRA技术原理的理解深度第 120 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