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、系统设计、Agent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。

123 道题目建议用时 369 分钟专项面试练习

全部题目 123 道题

109

基于用户意图的路由模块如何运行?效果如何评估,识别错误时如何处理?

考察意图路由的设计、评估与容错能力,是否具备线上问题处理意识。
110

说说多个智能Agent之间是怎么协同工作的

考察候选人对多Agent系统架构、通信机制和协同策略的理解,以及实际项目经验。
111

梳理RAG完整流程,并结合项目实践介绍

考察对RAG全流程的掌握程度及实际应用能力。
112

区分context engineering和prompt engineering的不同之处

考察对上下文工程和提示工程概念的理解及区别。
113

解释召回率含义,同时说明它的计算方式

考察对召回率基本概念和计算方法的掌握。
114

在召回优化手段里,哪一类优化带来的提升最明显

考察对召回优化方法的理解和实践经验,能否识别最有效的优化手段。
115

请简要介绍你的过往实习与项目经历,并说明你在其中承担的具体工作。

考察候选人项目经历的真实性、技术深度与个人贡献边界,判断其与岗位的匹配度。
116

模型训练时 loss 难以收敛,你会从哪些角度系统排查?

考察候选人对训练过程的系统性理解与故障定位能力,而非零散经验。
117

请说明 Transformer 的基本原理、时间复杂度如何计算,以及常用优化思路。

考察对 Transformer 核心机制与计算复杂度的掌握程度,以及能否从复杂度出发推导优化方向。
118

除 MHA、MQA、GQA 外,你还了解哪些注意力变体?DeepSeek、Qwen 采用的注意力方案有什么特点?

考察候选人对注意力机制演进与主流开源模型技术路线的了解深度。
119

FFN 模块的内部结构是怎样的?有哪些可替代的设计?

考察对 Transformer 中 FFN 作用与结构变体的理解。
120

请简要介绍你的过往实习与项目经历,重点说明你在其中承担的角色和主要贡献。

考察候选人项目经历的真实性、技术深度与个人贡献边界,判断其与岗位的匹配度。
返回面试题库