分页题目
字节跳动相关面试题第 5 页
大模型内容运营如何搭建标注规范、数据集和质量评测闭环？
这题考内容运营能否把大模型评测从零散打标升级为可复用的质量生产系统。高质量回答应覆盖目标定义、标注规范、样本集建设、标注质检、一致性度量、Prompt 评测和问题回流迭代。
AIGC 产品中 AI 与人工应如何分工协同，既提效又控制质量风险？
这题考 AIGC 产品经理能否把“AI 替代人工”改写成更成熟的人机协同系统。高质量回答应说明哪些任务交给 AI，哪些判断保留给人，哪些场景需要人工复核，以及如何用产品机制、指标和反馈闭环持续优化。
有一个状态机模型时，如何设计状态、转移、异常路径和覆盖率测试？
这题考状态机测试的建模能力。高质量答案要先把状态机拆成状态、事件、转移、守卫条件和动作，再说明如何覆盖正常路径、非法转移、异常恢复、并发和持久化一致性，最后用覆盖矩阵和运行证据证明测试有效。
热搜应展示 10 条但页面只展示 9 条时，测试开发应如何定位前端、接口、排序和过滤链路问题？
这题考端到端定位能力。答案不能停留在“前端或后端都有可能”，而要说明如何固定复现条件，逐层核对接口响应、过滤去重、排序补位、客户端解析、渲染和日志，最终把缺失的一条定位到具体链路和可验证证据。
视频播放页面播放不出来时，如何从资源、播放器、网络、权限和兼容性角度设计排查测试？
这题考媒体播放链路的排查能力。答案要从资源是否可访问、媒体格式是否支持、播放器生命周期是否正确、网络和缓存是否异常、权限和设备策略是否阻断几层逐步定位，并说明每层可采集的断言和回归用例。
微信转账功能如何设计安全测试用例，并验证转账过程中密码不泄露？
这题考安全测试深度。答案要从转账资产和威胁模型出发，覆盖认证、授权、参数完整性、支付密码保护、传输存储脱敏、重放幂等、风控和审计，并说明如何用抓包、日志扫描、测试桩和服务端审计证明密码没有泄露。
抖音上下滑动视频流如何设计测试用例，覆盖加载、预取、播放状态、手势和弱网？
这题考短视频信息流的综合测试设计。回答要覆盖数据加载和预取、播放器状态切换、手势识别、缓存与资源回收、弱网和性能指标，并给出可观测断言，例如当前 item、播放事件、首帧时间、曝光、卡顿和内存。
大模型如何重构“周末去北京哪里玩”这类内容平台搜索体验？
这题考内容平台 AI 搜索体验设计，重点是把“视频列表”升级为可执行的本地生活决策方案，覆盖意图澄清、内容证据、个性化行程、互动改写、行动转化和可信评估。
AI 评测数据和预期不符时，产品经理如何排查评测集、指标口径和模型真实问题？
这题考的是 AI 产品评测异常诊断能力：不要急着判断模型变好或变差，而要按预期、数据、指标、标注、模型行为和线上验证逐层排查。
智能客服大模型项目中，如何解释选择某个模型的产品、成本、效果和部署考量？
这题考候选人是否能把智能客服模型选型讲成目标、效果、成本、部署、风险和决策证据的综合取舍，而不是事后给某个模型背书。
同公司岗位有 2 条面经记录
用 Prompt Engineering 构造评测或训练数据效果不理想时，如何迭代任务定义、样本分布和质检标准？
这题考 Prompt Engineering 构造数据的迭代能力：先判断数据用途，再从任务定义、prompt 模板、样本分布、人工质检、失败切片和真实数据混合上优化。
AI 标注数据质量不稳定且标注团队不认可评估标准时，产品经理如何对齐口径并推动改进？
这题不是普通职场沟通题，而是 AI 数据质量治理题；核心是用明确 rubric、样本证据、一致性指标、校准机制和改进闭环化解标准争议。
为什么主流大语言模型多采用 Decoder-only 架构？相比 Encoder-only 和 Encoder-Decoder，它在训练目标、推理效率和产品能力上有哪些取舍？
这题考候选人是否能把 Decoder-only 的流行讲清楚：它不是单纯结构更先进，而是在自回归训练、生成式推理、规模化训练和产品通用能力之间形成了更顺手的工程取舍。
大语言模型的涌现能力是什么，可能受模型规模、数据分布、训练目标和评测方式哪些因素影响？
这题考候选人能否把“涌现能力”讲成规模、数据、训练目标和评测共同作用下的现象，并能区分真实能力跃迁、连续改进被指标放大、以及评测设计造成的表象。
如何让大语言模型处理更长文本？长上下文扩展、RAG、摘要压缩和分块处理分别适合什么场景？
这题考候选人能否把“更长文本”拆成不同产品问题：需要完整保留上下文、需要外部知识、需要压缩历史，还是需要对长文档做结构化处理。
LLaMA 这类大模型的输入长度为什么不能无限增长？位置编码、注意力/KV Cache 成本和训练长度分布分别带来哪些限制？
这题考候选人能否从 Transformer 机制解释输入长度边界：位置编码决定模型如何理解顺序，注意力和 KV Cache 决定计算与显存成本，训练长度分布决定长上下文泛化是否可靠。
大模型如何让生成文本更丰富而不单调？解码参数、训练数据、指令微调和重复惩罚分别起什么作用？
这题考候选人是否能把“回答更丰富”拆成推理时的采样控制、训练数据的表达覆盖、指令微调的任务风格、以及重复惩罚的局部去重，而不是只调高 temperature。
STFT 中常见窗函数（矩形、Hann、Hamming、Blackman）如何实现，它们如何影响主瓣宽度、旁瓣抑制、频谱泄漏和时频分辨率？
这题考 STFT 加窗的频谱分析基础：窗函数通过截断和加权每一帧信号，改变主瓣宽度、旁瓣高度和泄漏程度，从而影响频率分辨率、动态范围和重构稳定性。
端到端语音增强模型为什么可以直接在时域建模，相比基于 STFT/频域掩码的方法有哪些优势、代价和适用场景？
这题考语音增强建模路线取舍：时域端到端模型直接学习带噪波形到干净波形的映射，优势是联合学习分析基和相位细节，代价是训练、解释、延迟和泛化边界更难控制。
语音增强模型常用哪些损失函数，时域损失、频域损失、感知指标和多任务损失应如何取舍？
这题考语音增强目标函数设计：时域损失约束波形和尺度，频域损失约束谱结构，感知或识别相关损失对齐用户体验，多任务损失则要防止辅助目标压过主目标。
评估实时语音模型复杂度时，参数量、FLOPs/MACs、实时率 RTF、端到端延迟、内存和功耗分别怎么看？
这题考实时语音模型的工程评估口径：参数量看存储和权重内存，FLOPs/MACs 看理论计算，RTF 看吞吐，端到端延迟看交互体验，内存和功耗决定能否在目标设备稳定运行。
音频模型从 QAT 量化感知训练到板端部署的完整流程是什么，遇到算子不支持、精度回退或性能不达标时如何排查？
这题考的是能否把 QAT 从训练技巧讲成完整工程闭环：先确定板端约束和浮点基线，再做 fake quant 训练、图转换、算子适配、板端对齐、精度回归和性能功耗压测。
音频端侧模型做训练后量化（PTQ）时如何实现，校准集的分布、数量和场景覆盖为什么会影响最终精度？
这题考的是 PTQ 的本质：用少量代表性样本估计激活动态范围并固化量化参数；校准集分布越偏、数量越少、场景覆盖越窄，越容易导致裁剪、分辨率浪费和真实场景精度下降。
音频端侧模型为什么常选 INT8 量化，如何在速度、内存、硬件算子支持和精度损失之间权衡？
这题的核心不是喊 INT8 更快，而是解释 INT8 为什么通常是端侧部署的平衡点：显著降内存和带宽、硬件支持成熟、速度收益可观，同时精度损失通常能用 PTQ/QAT 和混合精度控制。
音频模型板端推理选择 CPU 还是 NPU 时，延迟、吞吐、算子支持、内存搬运和功耗如何比较？
这题考的是端侧推理决策能力：CPU 胜在灵活、启动开销低、算子覆盖广；NPU 胜在大规模规则算子吞吐和能效，但真实选择要看计算图是否能连续下沉、内存搬运是否可控、流式延迟和功耗是否达标。
如何手写实现一维卷积算子？给定输入序列 [1,2,3,4] 和卷积核 [1,2,3] 时，如何约定 kernel 翻转、valid/full 输出、padding 和 stride？
这题考的是能否先把卷积约定说清楚再写代码：深度学习里的 Conv1D 通常实际做 cross-correlation 不翻转 kernel；数学卷积会翻转 kernel；valid/full、padding 和 stride 会直接改变输出长度和数值。
一个优秀的 AI 产品应具备哪些特质，如何从任务价值、可控性、评估闭环、信任边界和商业价值来回答？
这题考的是 AI 产品经理能否跳出“模型很强”这类泛泛表述，用任务价值、可控体验、评估闭环、信任边界和商业可持续性判断一个 AI 产品是否真正成立。
AI Coding Agent 从用户输入到完成任务的完整链路是什么，如何经过上下文构建、计划、工具调用、代码修改和验证？
这题考的是 AI Coding Agent 的端到端运行时理解：候选人要能把自然语言需求如何变成可验证代码改动讲清楚，包括上下文、计划、工具、修改、测试和回滚闭环。
AI Coding Agent 如何从人工逐步确认切换到自主执行，权限、审批策略、风险护栏和回滚机制应如何设计？
这题考 Agent 自主化的安全工程：不是简单关闭确认按钮，而是用风险分级、最小权限、策略审批、沙箱执行、自动验证和回滚审计来决定哪些动作可以自动做。
同题还出现在 1 个公司岗位
公开群聊搜索排序如何设计，如何结合群名称/内容相关性、活跃度、用户兴趣、质量安全和多样性信号决定排名？
这题考搜索排序系统设计：候选人要能从召回、相关性、质量安全、个性化、多样性和评估指标出发，设计公开群聊搜索的排名策略。
给定群聊数据表，如何为公开搜索排序设计群聊特征提取系统，并从 UID、群主、兴趣、活跃度等字段构建可用特征？
这题考特征工程和数据系统设计：要能把原始群聊表变成可供搜索排序使用的群、用户、群主、兴趣、活跃度、质量和实时特征，并保证一致性、可解释性和可监控。
大语言模型的 next-token 预测过程是什么，输入 token、上下文、logits/概率分布和解码策略如何共同产生回答？
这题考 LLM 推理基本原理：候选人要能从 tokenization、Transformer 上下文建模、logits、softmax 概率和解码策略讲清楚回答是如何逐 token 生成的。
同题还出现在 1 个公司岗位
RAG 项目里的召回排序链路如何设计，Embedding 召回、粗排、重排和答案生成各自承担什么职责？
这题考 RAG 的工程链路设计：不是只接一个向量库，而是要把查询理解、混合召回、粗排、重排、上下文拼装、生成约束和评测闭环讲成一条可上线的检索增强系统。
同题还出现在 3 个公司岗位
AI 内部服务效果达标但业务同事不接受时，如何通过需求校准、试点验证、可解释指标和运营机制推动规模化落地？
这题考的是 AI 项目从模型效果到组织采用的落地能力：要能诊断不接受的原因，用业务指标、试点、可解释性、培训运营和反馈闭环把服务从“效果达标”推进到“真实被用”。
LLM 应用上线后收到业务反馈和 badcase，如何建立问题归因、数据回流、Prompt/模型迭代和回归评估闭环？
这题考 LLM 应用上线后的持续改进能力：要把业务反馈转成可复现样本，分层归因到数据、检索、Prompt、模型、工具或产品边界，再用评测和灰度闭环避免越改越差。
产品经理如何评价 LLM 和 AIGC 的核心能力、主要优势、局限性和落地挑战？
这题考产品经理对 LLM/AIGC 的能力边界判断：既要看到自然语言交互、生成和自动化的机会，也要能讲清幻觉、评估、成本、数据安全、场景适配和商业闭环的限制。
同题还出现在 1 个公司岗位
企业协作产品中哪些场景适合用 LLM 提效，如何评估会议、文档、知识检索、项目协同和自动化工作流的价值？
这题考企业协作 AI 场景判断：要从高频知识工作出发，说明会议、文档、知识检索、项目协同和工作流自动化的价值、指标、边界与落地优先级。
为 AI 助手功能做用户需求调研时，应调研哪些用户类型，采用哪些定性和定量方法，如何沉淀需求优先级？
这题考 AI 产品经理是否能把“用户想要 AI 助手”拆成可验证的用户分群、任务痛点、研究方法、指标证据和需求优先级，而不是只做泛泛访谈或直接堆功能。
Prompt 优化模块的 A/B 测试方案如何设计？
Prompt 优化模块的 A/B 测试考察的不是简单会不会分流，而是能否把生成式能力放到真实业务链路中评估。高质量回答需要同时讲清实验目标、用户随机化、指标体系、统计检验、版本控制、冷启动影响、离线评测和线上实验的衔接，以及异常情况下的灰度和回滚机制。
同题还出现在 1 个公司岗位
数据集是如何构建和评测的？
数据集构建和评测题考察的是训练数据闭环。高质量回答要覆盖目标定义、数据采集、清洗标注、划分、质量评估、偏差检查、基线验证和持续迭代。
同题还出现在 1 个公司岗位
Lora的原理能简单讲讲吗？
LoRA 是一种参数高效微调方法：不直接改动大模型原有权重，而是在关键线性层旁边增加一个低秩增量分支，用少量可训练参数学习任务差异。它的核心假设是：下游任务需要的权重变化 ΔW 往往不需要满秩矩阵表达，可以用两个小矩阵 B 和 A 的乘积近似，即 ΔW = BA。训练时冻结基座模型，只训练 A、B；推理时可以把 ΔW 合并回原权重，几乎不增加推理结构复杂度。
同题还出现在 1 个公司岗位
AI 产品创新探索和业务落地可行性如何平衡？
这题考 AI 产品创新和落地可行性的平衡，回答要体现能力边界、用户场景、MVP、成本风险和分阶段验证。示例只能作为通用说明，不能当作来源事实。
同题还出现在 1 个公司岗位
VikingDB 这类向量数据库如何设计核心链路，向量写入、ANN 索引、元数据过滤和查询召回如何协同？
这道题考察对向量数据库核心链路的系统设计能力，而不是背某个产品未公开实现。回答要从写入、向量化、分片、持久化、ANN 索引构建、增量更新、元数据过滤、查询召回、重排和运维指标串起来，说明向量、原始文档、元数据和索引如何保持一致。关键是讲清近似召回与过滤条件的协同：先过滤、后过滤、混合过滤各有什么代价；写入与索引的实时性、删除更新、分布式扩展、一致性和评估指标如何设计。
如何根据模型参数量、训练 token 数、FLOPs、GPU 数量和硬件利用率估算 LLM 训练时间？
这道题考察能否把 LLM 训练时间从经验判断转成可计算的工程估算。核心公式是总训练 FLOPs 除以集群有效算力：dense decoder-only 模型可用约 6 × 参数量 × token 数估算前向加反向训练 FLOPs，再除以 GPU 数、单卡峰值 FLOPs 和硬件利用率或 MFU。好的回答还要说明单位换算、序列长度和 attention 开销、MoE active 参数、数据并行扩展效率、checkpoint/eval/restart 等 wall-clock 修正因素。
LLM 训练过程中应该监控哪些指标，如何用 loss、梯度、吞吐、显存、GPU 利用率、checkpoint 和评测集发现异常？
这道题考察 LLM 训练监控体系，而不是只问 loss 曲线。完整回答要覆盖模型质量、数值稳定性、吞吐性能、资源利用、数据管道、checkpoint 可靠性和周期评测。更重要的是说明如何用这些指标定位异常：loss spike 可能来自坏数据或学习率问题，梯度爆炸会伴随 grad norm 和 NaN，吞吐下降可能来自 dataloader、通信或 straggler，显存增长可能是泄漏或碎片，评测集退化可能暴露过拟合、数据污染或训练分布偏移。
LLM 预训练数据清洗中，如何结合质量模型、PPL、去重和领域规则过滤更适合模型学习的数据？
这题考的是预训练数据治理的系统性判断：不能只说按 PPL 阈值删除，也不能只依赖一个质量分类器，而要把数据规范化、质量打分、PPL 异常检测、重复样本压制、领域规则、分布保留和下游验证串成闭环，目标是在降低噪声和污染的同时保留对模型能力真正有贡献的多样知识。
LLM 预训练或 SFT 的数据配比如何量化评估？如何用实验、领域切片和评测指标判断一个 mixture 是否更好？
这题考的是把数据配比从经验拍脑袋变成可实验、可度量、可解释的优化问题。好的回答应覆盖目标能力定义、候选 mixture 设计、token 级采样权重、短程代理实验、领域切片评测、统计显著性、负迁移排查和 Pareto 取舍，而不是只说多放高质量数据或按业务重要性调比例。
大模型推理变慢时，如何从序列长度、batch、KV Cache、量化、FlashAttention 和 GPU 资源排查？
这题考 LLM 推理性能诊断闭环。高质量回答应先定义慢在哪里，再拆分队列、prefill、decode、KV Cache、batch 调度、attention kernel、量化、GPU 利用率和服务链路，用指标定位瓶颈，而不是一上来堆优化名词。
同题还出现在 1 个公司岗位