ENTERPRISE · ALL
项目实战与企业级 · 全部题目
共 787 篇，本页第 577-624 篇。← 回到学习路径视图
No.1607模型的“记忆”到底指什么面试官想看你能否穿透“记忆”这个日常词汇，精准区分LLM中两种本质不同的存储机制：参数记忆（权重中的固化知识）与上下文记…→No.1608参数记忆和上下文记忆有什么区别面试官想确认你是否真正理解 LLM 的两种记忆机制，而非停留在“参数是权重，上下文是 prompt”的表面。考察类型是概…→No.1609什么是量化（Quantization）面试官考察的是你对模型优化核心手段的工程化理解，而非背诵定义。刁钻点在于：量化不是简单的“FP32转INT8”，而是一套…→No.1610你目前还在实习吗？你参与的 AI 产品主要面向什么问答场景，包含哪些问题类型这道题看似是简历确认，实则是场景化技术匹配度的压力测试。面试官想看的不是“你做了什么”，而是“你能否把业务场景、问题类型…→No.1611Transform 的架构，Encoder 和 Decoder 是什么面试官想确认你是否真正理解 Transformer 的不对称双塔设计，而非只背过“Encoder 是双向，Decoder…→No.1612大模型分词器是什么面试官想确认你是否理解分词器（Tokenizer）作为大模型“第一道关卡”的核心原理，而非仅停留在“分词就是把句子拆成词…→No.1613CoT 是啥？为啥效果好呢？有啥缺点面试官想考察你是否真正理解 CoT（Chain-of-Thought）的底层机制，而不仅仅是背概念。这是典型的“背概念 …→No.1614温度值/top-p/top-k 分别是什么？各个场景下的最佳设置是什么面试官考察的是你对 LLM 生成随机性的底层控制能力，而非单纯背参数。这题看似基础，但刁钻点在于：你是否理解这些参数在概…→No.1615多路召回是什么面试官想考察你对检索系统“召回”环节的工程化理解，而非单纯背概念。核心是：你是否能解释多路召回为什么在工业级 RAG 或…→No.1616redis 用过那些？mget 底层什么实现的？、zset怎么实现的这道题看似基础，实则考察三个层次：第一层，是否真用过 Redis 核心数据结构（String、Hash、List、Set…→No.1617fastapi 设计原理面试官想考察你是否真正理解 FastAPI 的核心设计哲学，而非仅仅会用。这是典型的“工程取舍 + 系统设计”类问题，刁…→No.1618http2 是什么？比http这道题看似基础，但面试官真正想看的不是背定义，而是区分“知道”和“理解”。考察类型是工程取舍与协议设计。刁钻点在于：很多…→No.1619LangChain中Tool与StructuredTool的区别面试官想看你是否真正理解LangChain框架的工具抽象层，而非死记硬背API。这是典型的概念对比+工程取舍题，刁钻点在…→No.1620What is the difference between Predictive/Discriminative AI and Generative AI这道题看似基础，但面试官真正想看的不是背诵“判别式做分类，生成式做生成”这种教科书定义。考察类型是概念辨析+工程取舍，刁…→No.1621What is LLM, and how are LLMs trained这道题看似基础，但面试官真正想看的不是“背定义”，而是你能否从系统视角讲清 LLM 的完整训练链路，并展示对工程落地的理…→No.1622What is a token in the language model面试官想确认你不仅知道“token 是文本切分单元”这个定义，还能深入解释 tokenization 算法（如 BPE、…→No.1623How to use stop sequences in LLMs面试官想看的不是你会不会设 `stop` 参数，而是你是否理解 stop sequences 在解码阶段的精确触发机制、…→No.1624What are certain strategies to write good prompt这道题看似基础，实则考察候选人对提示工程（Prompt Engineering）的系统性理解，而非背诵几个“技巧”。面试…→No.1625What is a vector database面试官想确认你是否真正理解向量数据库的本质，而非只会背概念。这道题看似基础，但刁钻点在于：很多人会把“向量数据库”等同于…→No.1626How does a vector database differ from traditional databases面试官想看你能否从数据模型、查询范式、索引结构、性能取舍四个维度，系统性地对比向量数据库与传统数据库（如 MySQL、P…→No.1627Explain different types of LLM architecture and which type of architecture is best for which task面试官想考察你是否真正理解LLM架构设计的核心差异，而非死记硬背“BERT做理解，GPT做生成”。刁钻点在于：能否从信息…→No.1628What is fine-tuning, and why is it needed面试官想考察你对“迁移学习”在 LLM 时代核心实践的底层理解。这不是让你背“在预训练模型上继续训练”的定义，而是要看你…→No.1629什么是 LLMs 复读机问题面试官想考察你对 LLM 生成缺陷的底层理解，而非简单背诵“复读机”定义。这是典型的“背概念+工程取舍”混合题，刁钻点在…→No.1630为什么要进行BN呢面试官想考察的不仅是“背出BN公式”，而是你对归一化技术本质的理解和工程权衡能力。这道题属于工程取舍类型，刁钻点在于：候…→No.1631什么是 长度外推问题面试官想确认你是否真正理解“长度外推”这个LLM核心问题，而非只会背概念。考察类型是工程取舍+系统设计。刁钻点在于：很多…→No.1632长度外推问题 的 解决方法 有哪些面试官想考察你对 Transformer 核心缺陷——位置编码长度外推——的理解深度。这不是单纯背概念，而是工程取舍 +…→No.1633介绍一下 FFN 块 计算公式面试官考察你对 Transformer 基础组件的掌握程度，属于“背概念 + 工程取舍”混合型。表面是问 FFN 计算公…→No.1634介绍一下 GeLU 计算公式面试官想确认你是否真正理解GELU的数学本质，而不仅仅是背公式。考察类型是背概念+工程取舍：先看你能不能准确写出GELU…→No.1635介绍一下 Swish 计算公式面试官想确认你是否真正理解 Swish 的数学本质，而不仅仅是背公式。考察类型是“背概念+工程取舍”，刁钻点在于：Swi…→No.1636当time step=5时, 输⼊的input_tensor=「SOS What is the matter「, 预测出来的输出值是output_tensor=「这道题表面是背概念，实际考察对 seq2seq 解码过程的时间步对齐 和 Teacher Forcing vs. 自回归…→No.1637当time step=6时, 输⼊的input_tensor=「SOS What is the matter ?「, 预测出来的输出值是output_tensor=「EOS「, 代表句⼦的结束符, 说明解码结束, 预测结束.面试官想验证你对seq2seq解码机制的理解深度，特别是自回归解码的终止条件和EOS token的角色。这属于概念+工程…→No.1638FFN的作用面试官想考察你对Transformer基础组件的理解深度，是否仅停留在“FFN=两层线性层+激活函数”的表面记忆。真正刁…→No.1639大模型大概有多大，模型文件有多大面试官想验证你对大模型“规模”的具象认知，而非背参数表。考察类型是基础概念+工程估算，刁钻点在于：候选人常混淆“参数量”…→No.1640如何查看服务器上的多卡之间的NVLINK topo面试官想确认你是否真正理解分布式训练中 GPU 通信的物理瓶颈，而不仅仅是背命令。考察类型是工程排查 + 系统设计。刁钻…→No.1641如何查看服务器上显卡的具体型号面试官考察的不是“会不会敲命令”，而是系统级排查能力和工具链的工程取舍。这道题看似基础，但刁钻点在于：① 区分不同场景（…→No.1642如何查看对 deepspeed 的环境配置是否正确面试官想考察你对 DeepSpeed 环境配置的实操验证能力，而非单纯背诵命令。这属于工程取舍 + debug 类型，刁…→No.1643TF32 格式有多长面试官想考察你对混合精度训练底层数据格式的理解，而非简单背数字。刁钻点在于：TF32 不是“新格式”，而是 FP32 的…→No.1644什么是 点对点通信面试官想考察你对分布式训练底层通信原语的理解深度，而非仅仅背诵“send/recv”定义。这是典型的工程取舍考察：点对点…→No.1645什么是 集体通信面试官考察你对分布式训练底层通信机制的理解，而非单纯背概念。这是系统设计类问题，刁钻点在于：多数候选人能说出“all-r…→No.1646什么是 数据并行面试官想考察你对分布式训练基础范式的理解深度，而非简单背诵定义。这是典型的“背概念+工程取舍”混合题，刁钻点在于：多数候…→No.1647数据并行 如何 提升效率面试官想考察你对分布式训练底层原理的掌握，而非背诵“数据并行就是多卡训练”的皮毛。核心是：理论加速比 vs 实际效率的差…→No.1648什么是 流水线并行面试官想确认你是否真正理解“流水线并行”的核心机制，而不仅仅是背定义。考察类型是工程取舍 + 系统设计。刁钻点在于：很多…→No.1649微调方法是啥？如何微调面试官想看你是否真正理解微调的本质，而非只会调包。考察类型是“工程取舍+系统设计”，刁钻点在于：你是否能区分全参数微调与…→No.1650微调和参数高效微调之间的区别是什么面试官想看你是否真正理解模型训练的底层资源博弈，而非死记硬背概念。这是典型的“工程取舍”题，刁钻点在于：很多人只会说“P…→No.1651领域模型微调 指令 & 数据输入格式 要求这道题看似基础，但面试官真正想看的不是你会背“指令、输入、输出”三个字段，而是你能否讲清楚格式设计的工程取舍和数据质量对…→No.1652指令微调的好处面试官想考察你是否真正理解指令微调（Instruction Tuning）在 LLM 生命周期中的核心定位，而非仅仅背诵…→No.1653大模型有推理能力吗面试官想看你能否辩证看待“推理能力”这一热门概念，避免非黑即白的回答。考察类型是系统设计+工程取舍，刁钻点在于：大模型的…→No.1654大模型生成时的参数怎么设置面试官想看你是否真正理解 LLM 生成时的“可控性”与“多样性”之间的 trade-off，而不仅仅是背诵参数名。这是典…→