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

考察对 LoRA 低秩适应原理的理解，以及在实际微调中控制输出一致性的策略。

考察高并发场景下的模型推理性能优化能力。

考察候选人对位置编码演进脉络的理解，以及能否从外推性、长文本建模等角度分析后续优化方向。

考察候选人对SFT与RL本质区别的理解，以及能否结合业务场景选择训练范式。

考察候选人对PPO和GRPO算法细节的掌握，以及能否从训练开销和适用场景角度进行对比。

考察候选人对位置编码技术脉络的理解深度，以及能否从原理层面解释演进动机与优化方向。

考察候选人对视频多模态模型数据处理全链路的理解，包括采样、时序融合与冗余压缩。

考察候选人对监督微调与强化学习两种后训练范式的本质理解，以及能否结合业务场景做选型判断。

考察候选人对自回归推理中KV Cache机制的理解，以及能否从显存和计算两个角度分析其优化逻辑。

考察候选人对多模态大模型整体架构的理解，包括视觉编码器、模态对齐模块、语言模型等核心组件及其协作方式。

考察候选人对视觉语言Adapter（如Q-Former、MLP、Cross-Attention）的理解，包括其设计动机、工作原理及优缺点。

考察候选人对ViT模型细节的掌握，包括图像分块、线性嵌入、位置编码、Transformer编码器等。