AgentAlpha · 面试间← 返回主站

公司题库 · 小红书

小红书大模型 Agent 面试题

搜索推荐与 AIGC 内容结合，社区治理与内容安全方向有独特考法。

题目口径：来自 小红书 等公开渠道的面经与岗位 JD 高频归纳，不是内部真题。 按大家实际被问到的方向整理，每题一页带答案与追问。

Q · 训练时的显存都花在哪？参数、梯度、优化器状态、激活值怎么估算？训练显存分为静态模型状态和动态激活值，Adam混合精度下静态占用约16倍参数量，动态激活值随序列长和批次增长，长序列需靠重算和ZeRO分片解决。
Q · VLM 里视觉编码器和 LLM 之间怎么连接？线性投影、Q-Former、MLP 各差在哪？视觉与文本分布不同，需连接层做对齐。大上下文时代主流是 MLP，因其保留全部视觉 token 且成本可控，不丢细节。Q-Former 压缩率高但丢细节，线性投影则表达能力有限。
Q · 多模态模型的幻觉主要来自哪里？怎么缓解？幻觉主要来自视觉信息丢失、语言先验压过图像事实，以及图文弱相关训练数据。缓解时需区分感知性与知识性幻觉，前者靠高分辨率输入、强制视觉溯源解决，后者靠RAG补外部知识，并在规则侧用检测器交叉校验。
Q · 多模态数据里图文不一致的样本，训练时和上线后分别怎么处理？训练阶段先用CLIP类模型打分清洗数据，同时保留少量标注为矛盾的样本教模型学会拒答；上线后靠前置相关性检测拦截，并结合提示词约束模型只依据图像作答。
Q · 多模态训练中文本主导、图像被忽略，怎么发现和解决？先通过模态消融评测和训练侧梯度监控确认图像是否被忽略，然后从数据端提升图文强相关样本比例，并在训练侧分阶段解冻或调整视觉分支学习率来解决。