职位题库

大模型算法工程师面试题库

面向大模型算法工程师相关面试，围绕强化学习、GRPO、系统设计、Agent、Transformer等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

114 道题目建议用时 342 分钟专项面试练习

全部题目 114 道题

考察候选人对数据构建流程的理解，包括数据来源、清洗、标注方案，以及是否考虑过公开数据集替代，评估其数据敏感度和工程权衡能力。

考察候选人对强化学习算法（特别是DAPO和GRPO）的理解深度，包括算法原理、改进点及适用场景。

考察候选人在实际项目中选择RL算法时的决策框架，是否综合考虑任务特性、训练成本、稳定性等因素。

考察候选人对上下文压缩技术的理解，包括适用场景、与文本长度的关系，以及压缩对模型效果的影响。

考察候选人对多模态大模型整体架构的系统性理解，能否清晰拆解视觉编码器、模态对齐模块与语言模型等核心组件及其协作关系。

考察候选人对视觉语言Adapter家族的理解深度，尤其是Q-Former的查询机制、训练目标及适用场景。

考察候选人对Transformer核心机制的掌握程度，包括QKV计算、缩放原因和多头设计动机。

考察候选人对注意力机制变体在推理阶段KV Cache显存与速度影响的理解，能否从工程角度做量化分析。

考察候选人对PagedAttention分页管理KV Cache机制的理解，能否区分显存碎片优化与显存总量降低。

考察对困惑度物理意义的理解，以及预训练阶段概率类评估指标的掌握程度。

考察对Mid-Train阶段的理解，以及其与预训练、微调阶段的区别。

考察候选人在实际项目中如何设计冷启动与强化学习的衔接，以及解决的关键问题。