职位题库

多模态大模型算法工程师面试题库

面向多模态大模型算法工程师相关面试，围绕GRPO、DPO、强化学习、偏好数据、RLHF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。

13 道题目建议用时 39 分钟专项面试练习

全部题目 13 道题

考察候选人对大模型微调技术和Transformer基础架构的理解深度。

考察候选人对不同模型架构细节的掌握，特别是归一化位置和模型设计差异。

考察候选人对大模型对齐技术的理解，特别是RLHF和DPO的原理及数学细节。

考察对主流对齐训练范式的理解：SFT的监督学习本质、DPO的偏好优化目标、GRPO的组内相对策略优化，以及它们在线/离线、是否需要奖励模型、优化信号来源的差异。

考察对DPO数据质量的敏感度：偏好对的区分度、标注一致性、长度偏置、分布覆盖与噪声对隐式奖励的影响。

考察对GRPO组内优势估计的理解：当组内奖励方差为0时，归一化优势为0，策略梯度消失，训练无有效信号。

考察候选人对奖励函数的工程理解：奖励拆解、可验证性、奖励黑客、权重平衡与方差控制，以及自我批判能力。

考察对奖励方差在RL训练中作用的认知，以及对DVPO这类方差相关方法的了解程度与迁移思考能力。

考察候选人能否把项目讲成可验证的设计与工程归因链条，而不是罗列技术栈；同时验证其对数据、技术选型、上线约束和效果证据的真实掌握程度。

考察候选人对策略优化方法中优势估计、Critic 依赖、Rollout 成本和奖励设计的理解，以及能否结合任务特性做工程选型。

考察候选人对 DPO 动机、训练目标和适用边界的理解，以及能否根据任务选择 DPO、IPO、KTO、ORPO 或在线 RL。

考察候选人对持续学习分类体系的掌握，以及能否根据变化类型选择回放、正则化、适配器、架构扩展、检索或重训，并设计遗忘评估。