职位题库

大模型算法岗面试题库

面向大模型算法岗相关面试，围绕LoRA、强化学习、GRPO、RAG、PPO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。

40 道题目建议用时 120 分钟专项面试练习

全部题目 40 道题

考察候选人对自身项目的理解深度、技术选型逻辑、个人贡献与结果量化能力，同时评估表达是否清晰、有结构。

考察对 LoRA 低秩适配原理的理解，包括低秩分解、冻结原参数、初始化策略及其对训练稳定性的影响。

考察对 LoRA 超参数（如 r、α、dropout、target_modules）的含义、作用及调参经验的理解。

考察对 QLoRA 量化增强的理解，包括 4-bit 量化、双重量化、分页优化器等，以及与 LoRA 的显存和精度差异。

考察对 ZeRO 显存优化原理的理解，包括优化器状态、梯度、参数的分片策略及通信开销。

考察候选人的背景、项目经验与岗位匹配度，以及表达和总结能力。

考察候选人对算子优化技术的掌握程度，包括方案设计、实现细节和底层原理。

考察候选人对算子优化效果评估方法的掌握，包括性能指标、测试方法和工具。

考察候选人对GEMM（通用矩阵乘法）在具体项目中的参数了解程度，以及是否关注计算细节。

考察候选人对GPU或DCU硬件架构的理解，包括计算单元、内存层次、并行机制等。

考察候选人对大模型训练数据预处理流程的理解，包括数据清洗方法、去重、过滤、格式统一以及数据集构建策略。

考察候选人对LoRA（Low-Rank Adaptation）微调技术的理解，包括其动机、数学原理、实现方式以及优缺点。