MULTIMODAL

多模态

VLM 怎么看图、视觉 Token 的开销、文档解析与视频理解。专项岗的重点,应用岗的加分项。

1篇已上线6篇规划中取材:第 6 章 · 多模态

全部题目

共 1 篇

其他分类

12 个

LLM 基础概念

2/14

Transformer、Token、上下文窗口、采样参数、MoE 这些地基题。看起来简单,答得干净利落反而最能体现基本功。

14%

RAG 检索增强

10/14

从文档到答案的整条链路:Embedding、分块、多路召回、重排、缓存与权限。答这类题要先说清链路分层,再讲每一层你踩过的坑。

71%

Agent 架构

6/11

ReAct 循环、规划与反思、记忆系统、整体设计。面试官最想看的是你能不能说出「为什么这么拆」,而不是背框架名字。

55%

工具调用

6/13

Function Call、MCP、A2A、Skills,以及工具过百之后的注册、发现、路由与 Schema 设计。落点永远在「准确率抓在哪个环节」。

46%

多智能体

1/4

角色切分、消息协议、状态同步、冲突仲裁。拆多 Agent 不是人多力量大,是上下文稀缺和角色混乱逼出来的工程选择。

25%

记忆系统

1/3

工作记忆、情景记忆、语义记忆、程序性记忆怎么分,什么信息值得写入,冲突怎么覆盖合并,遗忘怎么设计。

33%

评测与可观测

2/6

非确定系统的回归测试、Golden Set、LLM 裁判校准、trace 埋点与可观测性。核心是别让被测者改自己的分数。

33%

项目实战与企业级

7/8

从 demo 到生产的差距:私有知识、权限边界、可审计、业务集成、成本可控。项目题八成问的是这五件事。

88%

训练与微调

2/13

SFT、LoRA、RLHF、DPO、GRPO、蒸馏与数据工程。答这类题的关键是讲清楚每一步在优化什么、数据从哪来。

15%

推理与部署

4/15

KV Cache、vLLM、量化、批处理、并行策略与显存估算。面试官用这些题判断你是只调过 API,还是真部署过模型。

27%

提示工程

1/6

CoT、Few-shot、结构化输出、系统提示词与注入防护。不是玄学,是可以拆解、可以回归测试的工程方法。

17%

安全与合规

1/5

内容安全、提示词泄露、数据合规与自动执行防护。企业落地必问,很多人答不出体系。

20%

培养能解决真实问题、能落地的 AI 人才。训练营以实战为核心——面试题里的答案,在开源项目和论文里亲手做出来。