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

考察候选人在搜索场景下处理语义歧义的能力，包括多义词消解和上下文建模的工程方法。

考察候选人对大模型强化学习对齐算法中KL约束机制的理解深度，区分不同算法对参考模型约束的设计差异。

考察候选人对深度学习优化器基础原理的掌握，特别是权重衰减解耦这一关键改进。

考察候选人对大模型RL算法前沿变体的跟踪和理解，能否说清各方法针对GRPO哪些缺陷做了改进。

考察候选人对DPO算法局限性的理解以及偏好数据构造的工程经验。

考察候选人对监督微调基础损失函数的掌握，以及是否理解mask、label smoothing等工程细节。

考察候选人对描述到标签映射任务本质难点的理解，以及为何通用翻译或直接调用大模型无法满足需求。

考察候选人设计描述到标签映射方案的能力，包括技术选型、流程设计和效果保障。

考察候选人对标签分组优化排序原理的理解，以及其如何缓解映射中的混淆问题。

考察候选人在使用向量相似度做类别识别时，如何通过技术手段避免语义混淆。

考察候选人面对搜索无结果或结果不符预期时的分析思路和排查能力。

考察候选人对Agent迭代闭环的理解，包括效果衡量指标、回归测试设计以及防止退化的策略。