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

考察候选人对大模型对齐中常用强化学习算法的理解，包括PPO、GRPO和DPO的原理、适用场景及区别。

考察候选人对Transformer架构和Attention机制的理解，包括自注意力、多头注意力、位置编码等核心概念。

考察候选人的算法与数据结构能力，特别是前缀和与哈希表的应用，以及边界条件处理。

考察候选人对意图识别任务的整体方案设计能力，以及是否能给出可量化的评估结果和优化思路。

考察候选人对RAG全链路的理解深度，以及是否具备工程优化和效果调优经验。

考察候选人对大模型工具调用机制的理解，包括模型输出结构化参数、外部执行和结果回传的完整链路。

考察候选人对Agent核心组件的系统性理解，以及能否区分各概念在Agent架构中的定位。

考察候选人的工程素养，包括线上代码质量保障、监控告警和异常恢复能力。

考察候选人对主流相对位置编码机制的理解深度，包括数学原理、外推能力和实际应用差异。

考察候选人对大模型中常用激活函数的理解，包括数学形式、门控机制和实际效果差异。

考察候选人对参数高效微调方法的理解，包括低秩分解原理、适用场景和超参数选择。

考察候选人对大模型强化学习算法的理解，特别是 GRPO 相对 PPO 的改进点和数学表达。