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、Transformer、SFT、注意力机制等主题展开练习，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。

137 道题目建议用时 411 分钟专项面试练习

全部题目 137 道题

121

考察对Transformer核心机制的掌握程度，以及从复杂度角度理解模型优化方向的能力。

122

考察候选人对注意力机制前沿进展的跟踪深度，以及能否结合具体模型分析设计取舍。

123

考察对Transformer中FFN作用与结构细节的理解，以及是否了解门控、稀疏化等替代设计。

124

考察候选人对SFT数据链路的实操理解，包括来源、清洗、配比、过拟合控制与评估。

125

考察候选人对RL训练闭环的掌握，包括奖励设计、偏好数据、异常监控与结果分析。

126

考察候选人对评估体系的重视程度，能否把指标、评测集与人工评估组织成方法论。

127

考察候选人能否清晰描述项目背景与工程约束，判断其对模型规模、部署形态、数据与算力之间权衡的理解。

128

考察候选人对数据并行、张量并行、流水并行、序列并行等策略的实际配置能力，以及训练稳定性问题的定位与解决经验。

129

考察候选人对变长序列训练效率问题的理解，以及packing带来的收益与风险。

130

考察候选人能否清晰描述项目背景与资源约束，判断其对大模型训练全链路的理解深度和工程落地能力。

131

考察候选人对分布式训练并行策略的实际掌握程度，以及定位和解决训练问题的工程能力。

132

考察候选人对训练数据组织方式的理解，以及能否权衡效率与正确性。