岗位题目
算法相关面试题第 7 页
推荐系统中引入向量索引召回时，在线 serving 链路应该如何改造？
这道题考察的不是向量索引原理，而是把向量召回接入推荐在线 serving 后，链路、模块边界、延迟、降级、索引更新和实验评估应该怎样设计。回答要把它放在召回层讲清楚，并说明 query vector 如何生成、ANN 服务如何调用、候选如何回到后续粗排/精排。
同题还出现在 2 个公司岗位
大模型微调后出现不遵循指令、复读和错误答案，如何定位原因并判断 CoT 是否有效？
这题考察大模型微调后行为退化的定位方法：要把不遵循指令、复读和错误答案拆成可复现的错误类型，分别从数据、训练配置、解码参数和评估切片定位，并用对照实验判断 CoT 是否真正改善推理或事实正确率。
长上下文扩展技术如 YaRN 应如何评测效果，而不只看最大上下文长度？
这题考长上下文扩展的评测方法，回答重点是不能只看最大 token 长度，还要验证检索、推理、稳定性、成本和短上下文回归。
原始视频内容如何通过多模态模型生成推荐系统可用的向量表示？
这题考原始视频到推荐向量的多模态表示链路，回答要覆盖采样、编码、融合、训练目标、上线使用和评估。
从 MHA 到 MLA，注意力机制为什么要改进，DeepSeek MLA 解决什么问题？
这题考注意力机制从效果优先到推理效率优先的演进，重点是 KV cache 压力、MHA/MQA/GQA/MLA 的取舍和工程评估。
同题还出现在 1 个公司岗位
MoE 一般加在大模型哪里，从训练和推理角度有什么收益与代价？
这题考 LLM MoE 的位置和训练推理取舍，回答要讲清 FFN 专家、router、稀疏激活、负载均衡和服务成本。
同题还出现在 1 个公司岗位
文生 3D 任务中，Stable Diffusion 输出如何与 NeRF / SDF 重建方法结合？
这题考文生 3D 中 2D diffusion 先验和 3D 表示优化的结合，回答要讲清 SDS、多视角一致性、NeRF/SDF 取舍和评估。
视频生成中，时序信息对齐和空间对齐哪个更重要，如何取舍？
这题考视频生成中的一致性取舍，回答要说明时序对齐和空间对齐分别解决什么、何时更重要、如何训练和评估。
Teacher forcing 为什么会带来训练和推理不一致，如何缓解 exposure bias？
这题考序列模型训练中的 teacher forcing 和 exposure bias，回答要解释训练推理输入分布不一致、误差累积和常见缓解方法。
LoRA 微调能否注入领域知识，应该如何验证效果边界？
这题考 LoRA 微调能否注入领域知识及其边界。答案要区分格式/风格/任务适配与事实知识注入，并比较 LoRA、SFT、继续预训练和 RAG 的验证方法。
同公司岗位有 2 条面经记录
对话摘要生成任务如何设计评估指标，并处理长度控制、角色呼应和数据增强？
这题考对话摘要生成的评估和训练细节，答案要同时覆盖内容覆盖、事实一致、角色归因、长度控制、ROUGE 局限和数据增强风险。
给定包含目标实体的文本，如何把实体链接到知识库，主要难点是什么？
这题考实体链接到知识库的完整链路，回答要覆盖 mention 规范化、候选召回、上下文排序、歧义消解、NIL 处理、知识库更新和评估指标。
Qwen2-VL 微调时应如何处理多模态数据、视觉 token、训练参数和评估？
这题考 Qwen2-VL 微调的多模态工程思路，答案应讲数据构造、视觉 token 预算、参数策略、loss masking、训练稳定性和评估闭环，不依赖具体版本细节。
多模态大模型应用中，为什么选择 Qwen2.5-VL 做 encoder，如何评估取舍？
这题考多模态模型作为 encoder 的选型取舍，答案要围绕任务适配、表征质量、可抽取性、微调成本、延迟成本、部署稳定性和离线在线评估展开。
RAG Embedding 召回出现误判时，如何定位并改进？
这题考 RAG 中 embedding 召回误判的诊断和改进，回答要区分误召回与漏召回，并用标注集、近邻检查、负样本、混合检索、rerank 和阈值策略闭环优化。
同题还出现在 1 个公司岗位
Q-former 和 Q-fusion 在多模态大模型中有什么区别，分别如何完成视觉-语言交互？
这题考多模态大模型里视觉特征如何和语言模型交互，回答重点是 Q-Former 的查询瓶颈、Q-fusion 的融合位置、跨注意力机制、训练信号和信息压缩取舍。
LLaVA 的整体结构如何把视觉编码器输出接入语言模型？
这题考 LLaVA 的视觉编码器、投影层、语言模型和指令微调流程，回答要讲清视觉特征如何变成 LLM 可消费的 token 表示。
从零构建 VLA 模型时，视觉、语言和动作模块应如何设计？
这题考从零设计 Vision-Language-Action 模型的系统拆解，重点是感知编码、语言 grounding、动作表示、策略头、数据闭环、仿真到真实迁移和评估。
VLA 模型和世界模型有什么区别，VLA+RL 适合哪些具身智能场景？
这题考 VLA、世界模型和强化学习在具身智能中的边界，回答要区分动作条件策略、环境动力学建模、规划想象和 RL 微调的适用场景。
多模态 Agentic RL 中用 VERL 做强化学习时，如何判断训练进度和收敛质量？
这题考多模态 Agentic RL 训练过程的可观测和收敛判断，回答要覆盖奖励曲线、成功率分层、KL/熵、rollout 质量、视觉 grounding 和回归评测。
同题还出现在 1 个公司岗位
医疗手写表格场景中，如何提升多模态模型对字段和值的识别准确度？
这题考医疗手写表格的多模态识别链路，重点是图像预处理、版面检测、字段和值配对、领域词表、人机校正和字段级评估。
GRPO 中序列级 reward / loss 如何分配到 token，为什么这是信用分配问题？
这题考 GRPO 里序列级奖励如何影响 token 级更新，重点是序列 reward、token log-prob、组内相对优势、信用分配歧义和训练稳定性。
DeepResearch 类 Agent 如何和 RL 后训练结合，整体训练流程是什么？
这题考 DeepResearch 类 Agent 的 RL 后训练流程，重点是轨迹采集、工具动作、奖励设计、偏好或结果信号、策略优化、评测和防止研究型 Agent 走偏。
PagedAttention 如何改善 LLM 长上下文推理的 KV Cache 管理？
这题考 PagedAttention 如何改善长上下文 LLM 推理中的 KV Cache 管理，回答重点是块化分页、减少碎片、支持连续批处理和提升显存利用率。
同题还出现在 1 个公司岗位
向量检索中 IVF_FLAT 和 HNSW 有什么区别，如何按召回率、延迟和内存选型？
这题考向量检索索引选型，回答重点是 IVF_FLAT 的聚类倒排思想、HNSW 的近邻图搜索思想，以及召回、延迟、内存、构建和更新成本的权衡。
同题还出现在 1 个公司岗位
LLM 多卡并行推理中，显存占用和通信开销如何影响吞吐与延迟？
这题考 LLM 多卡并行推理的性能瓶颈，回答重点是权重显存、KV Cache、prefill/decode 差异、并行切分通信、批处理调度和长尾延迟。
LLM 流式输出如何设计断点续传、停止生成和 Token 计费？
这题考 LLM 流式输出的服务端语义设计，回答重点是断点续传、停止生成、幂等状态、Token 计费边界和前后端一致性。
同题还出现在 1 个公司岗位
Agent 沙箱中承载 Skill 时，如何避免工具调用幻觉和多工具切换混乱？
这题考 Agent 沙箱中 Skill 的可靠调用，回答重点是能力声明、工具选择约束、沙箱权限、调用确认、错误恢复和防止模型编造工具能力。
Agent Memory 为什么不能简单塞进 Prompt，渐进式披露如何减少上下文污染？
这题考 Agent Memory 的上下文污染控制，回答重点是为什么不能把全部记忆塞进 Prompt，以及如何通过渐进式披露按任务阶段加载必要记忆。
同题还出现在 1 个公司岗位
Agent 沙箱运行上下文如何封装用户配置、能力定义和可执行工具？
这题考 Agent 沙箱运行上下文的封装方式，回答重点是用户配置、能力定义、权限边界、可执行工具、工作目录、环境变量和可观测状态如何统一管理。
同题还出现在 1 个公司岗位
Agent 项目选用 OpenAI Agents SDK 时，应如何和自研或开源框架做选型？
这题考 Agent 框架选型方法，回答重点是用任务复杂度、编排需求、工具集成、可观测性、评测、锁定风险、生态成熟度和迁移成本做理性比较。
Agent 任务中 Human-in-the-Loop 应如何设计确认、纠错和中断流程？
这题考 Agent 任务中的 Human-in-the-Loop 控制点设计，回答重点是确认、纠错、中断、恢复、审计和人机责任边界。
Agent 系统中 Multi-Agent、One-Agent 和 LLM+Workflow 应如何选型？
这题考 Agent 架构模式选型，回答重点是 Multi-Agent、One-Agent 和 LLM+Workflow 在复杂度、可控性、成本、延迟、可观测性和适用场景上的取舍。
同题还出现在 2 个公司岗位
Agent 系统如何把用户反馈接入 DPO/PPO 训练，并用 ELO 评估版本效果？
这题考 Agent 反馈闭环和版本评估，回答重点是如何把用户反馈转成偏好数据、用于 DPO/PPO 优化，并用 ELO 或对战评估做版本选择。
PPO 和 GRPO 有什么区别，PPO 中的 Critic 模型如何训练？
这题考 PPO、GRPO 在大模型 RL 后训练中的优化框架差异，以及 PPO 里 Critic 如何用 rollout 回报学习价值估计。
同题还出现在 1 个公司岗位
RLHF/PPO 中为什么要用 KL 散度约束，过强或过弱会带来什么问题？
这题考 RLHF/PPO 中 KL 约束的作用，核心是限制策略偏离参考模型，平衡 reward 优化、语言质量、安全边界和训练稳定性。
大模型强化学习中 Reward 什么时候用规则，什么时候用奖励模型？
这题考大模型 RL 后训练中奖励信号的选型，重点是按可验证性、主观性、成本、覆盖范围和被投机风险决定用规则还是奖励模型。
大模型 RL 后训练中如何识别并缓解 reward hacking 和奖励坍缩？
这题考 RL 后训练的失效模式，回答重点是识别训练 reward 与真实质量背离，并用 reward 审计、约束、数据更新和独立评测缓解。
同题还出现在 2 个公司岗位
Agentic RL 项目中，如何判断 SFT 阶段已经可以进入 RL 后训练？
这题考 Agentic RL 的训练阶段判断，重点是 SFT 是否已经让模型具备稳定轨迹、工具协议、基础成功率和可评估 reward，再决定进入 RL。
GRPO 的 loss 如何计算，训练数据应如何组织？
这题考 GRPO 的目标函数直觉和训练样本组织方式，重点是同 prompt 多回答、组内相对优势、token logprob 更新和 KL 约束。
如何用多模态大模型识别商品图片并生成可靠的商品描述？
这题考用多模态大模型从商品图片生成可靠商品描述的完整链路，回答重点是视觉理解、属性抽取、文本生成约束、事实校验和评估闭环。
多模态大模型遇到未见过的商品或对象时，如何识别不确定性并兜底？
这题考多模态大模型遇到未见过商品或对象时的风险控制，回答重点是不确定性识别、OOD 检测、检索或人工兜底，以及避免把猜测说成事实。
BGE/GTE 这类 Embedding 模型如何训练，为什么不能直接用 BERT-base 余弦召回？
这题考检索向量模型的训练目标差异，重点是 BGE/GTE 这类 embedding 模型面向语义召回训练，而原始 BERT-base 不天然适合直接做余弦检索。
多模态大模型预训练通常分哪些阶段，ViT 视觉编码器如何参与训练？
这题考多模态大模型预训练的阶段拆解，以及 ViT 视觉编码器如何把图片变成可与语言模型对齐的视觉 token。
同公司岗位有 2 条面经记录
Video-LLaMA 如何把视频、音频和语言模块连接成多模态理解模型？
这题考 Video-LLaMA 类视频多模态模型的模块连接方式，回答重点是视频帧编码、时间信息聚合、音频分支、投影对齐和语言模型生成。
LoRA 初始化和 rank 应如何选择，rank 过大或过小有什么影响？
这题考 LoRA 的低秩增量参数如何初始化和选 rank，重点是保持初始等价、控制容量成本，并用验证集判断欠拟合或过拟合。
BLIP-2 的两阶段训练流程和损失函数如何把视觉编码器接入语言模型？
这题考 BLIP-2 如何用两阶段训练把冻结视觉编码器接入冻结语言模型，回答重点是 Q-Former、图文对齐损失和语言建模损失的职责分工。
如何用代码实现 Multi-Head Cross-Attention，Q/K/V 的输入维度如何对齐？
这题考手写 Multi-Head Cross-Attention 的维度理解和实现顺序，回答重点是 Q 来自目标序列，K/V 来自条件序列，以及多头拆分、mask 和输出合并。