标签题目
模型评估相关面试题第 4 页
做人脸 AIGC 反欺诈时，如何利用 GAN、Stable Diffusion 原理理解伪造样本生成和检测思路？
这题考的是能否把 GAN、Stable Diffusion 的生成机制转成反欺诈检测思路：既要懂伪造样本怎么来，也要能从人脸一致性、活体线索、频域纹理、阈值和对抗更新讲出可落地的检测闭环。
Stable Diffusion 为什么使用 VAE 的 latent space，而不是直接在像素空间做扩散生成？
这题考 Stable Diffusion 的 latent diffusion 设计取舍：VAE 把高维像素压到较低维潜空间，让扩散模型更省算力，同时保留足够语义和空间结构，但会引入重建损失、细节上限和 latent 分布约束。
3D Gaussian Splatting 重建中的主要误差来源有哪些，如何从相机位姿、点云初始化和优化过程定位？
这题把“高斯重建”明确放在高斯重建 / 3D Gaussian Splatting 类重建语境下，重点考误差归因能力：相机、初始化、可见性、材质、Gaussian 参数优化和评估调试都可能成为重建误差来源。
MVS 点云采样和 NeRF 采样在 3D 重建中各有什么优势和局限，如何按场景选择？
这题考的是 3D 重建方法取舍：MVS 更偏显式几何和多视图匹配点云，NeRF 更偏沿射线做体渲染采样和隐式辐射场优化，选择要看视角密度、纹理、材质、速度、输出形态和下游需求。
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。
Faster R-CNN 相比 R-CNN / Fast R-CNN 改进了什么，RPN 为什么能让目标检测更快？
这题考的是两阶段检测器的演进逻辑：R-CNN 慢在每个候选框重复跑 CNN，Fast R-CNN 共享卷积但仍依赖外部候选框，Faster R-CNN 用 RPN 在共享特征上生成候选框从而端到端加速。
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。
Agent 使用滑动窗口摘要时，旧摘要应逐步合并还是分段保留，如何控制信息遗失、冲突和可追溯性？
这题考滑动窗口摘要的状态维护策略：合并摘要更省上下文，分段摘要更可追溯，工程上通常需要分层结构而不是二选一。
大模型 Function Call 为什么会产生工具调用幻觉，工程上如何用 schema、权限、校验和反馈闭环降低误调用？
这题考 Function Call 的工程治理能力：工具调用幻觉不只靠 prompt 解决，还要靠工具契约、调用门禁、参数校验、执行反馈、回退策略和评测闭环共同降低。
同题还出现在 3 个公司岗位
Chain-of-Thought 为什么能提升复杂推理任务表现，它的收益、风险和生产可控性如何理解？
这题考 Chain-of-Thought 的机制理解：它通过显式或隐式中间步骤降低复杂任务的一次性求解难度，但上线时要控制答案暴露、成本、稳定性和可验证性。
同题还出现在 1 个公司岗位
AI 语音合成平台应如何规划，产品经理如何设计音色、情感、质量评估、版权合规和创作者工作流？
这题考语音合成平台的产品规划能力：要同时讲清用户场景、音色资产、可控参数、质量评估、版权合规、成本延迟和工作流闭环。
大模型微调为什么会出现灾难性遗忘，如何用数据混合、正则、回放、冻结参数和评测回归缓解？
这题考的是微调稳定性：目标不是背几个缓解方法，而是能解释窄域训练为什么会覆盖旧能力，并给出数据、参数更新和回归评测三条防线。
不同任务应如何设计 Prompt，如何调整指令、示例、输入输出格式和约束？
这题考的是 Prompt 设计方法论：不是背模板，而是能根据任务目标、输入不确定性、输出可验证性和风险边界，系统调整指令、示例、格式和约束。
大模型与 2020 年前传统模型的本质区别是什么？
这题考的是对大模型范式变化的理解：本质区别不只是参数更多，而是从任务专用模型转向大规模预训练、通用表示、自然语言交互、上下文学习和工程化治理并存的基础模型范式。
同题还出现在 1 个公司岗位
AI 语音交互的技术流程是什么？
这题考的是语音交互链路的组件职责：从录音、唤醒、降噪和端点检测开始，经 ASR 转写、语义理解/对话管理、业务执行和回答生成，再到 TTS 播放、打断处理和日志反馈闭环。
同题还出现在 1 个公司岗位
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。
大模型 SFT 微调效果不好时，可以从哪些数据、模板、训练配置、参数高效微调和评估闭环维度优化？
这题考的是 SFT 效果诊断和优化方法论：要把问题拆成数据质量、任务分布、指令模板、训练超参、PEFT 配置、基座能力和评估闭环，而不是只说多清洗数据。
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
AIGC 画本产品如何保证角色、风格和场景一致性，ComfyUI 工作流、参考图、种子、ControlNet 和后处理分别起什么作用？
这题考 AIGC 产品经理是否理解图像生成一致性不是单靠提示词，而是由角色设定、参考资产、工作流编排、可控生成、种子复现、后处理和质量评估共同保证。
产品经理如何评估大模型效果，并从数据、Prompt、RAG、模型和体验层面推动效果提升？
这题考的是 AI 产品经理能否把大模型效果从一句主观好不好，拆成可定义、可评测、可归因、可迭代的产品质量闭环，并能说清不同优化手段的边界。
同题还出现在 2 个公司岗位
面试中被问用过哪些 AI 产品及其优缺点时，产品经理如何结构化评价体验、能力边界和改进空间？
这题考的是产品经理是否真的使用和拆解过 AI 产品：回答要从用户任务、能力边界、交互体验、信任机制、指标和改进优先级展开，而不是报一串产品名。
LoRA 微调不收敛或输出格式异常时，如何从数据、模板、学习率、rank 和 alpha 排查？
这题考的是 LoRA 训练故障诊断能力：候选人要能把不收敛和输出格式失控拆成数据、模板、损失、超参、adapter 容量和评测回归几个层面逐步定位。
LoRA alpha 过强或过弱会带来什么影响，增量训练出现灾难性遗忘时如何排查和缓解？
这题考的是候选人是否理解 LoRA 增量缩放和遗忘之间的关系，并能从数据分布、训练策略、正则约束和回归评测上解决增量训练稳定性问题。
DPO 偏好样本中的 reward 或偏好维度应如何选择，如何保证对齐目标和训练稳定性？
这题考的是 DPO 数据和偏好目标设计：不是只会说 chosen/rejected，而是能把业务目标、偏好维度、样本构造、冲突处理、训练稳定和评测闭环讲清楚。
多模态大模型微调应如何设计数据、视觉编码器/投影层、指令模板、训练阶段和评测？
这题考的是多模态 LLM 微调的系统设计能力：候选人要能从任务目标出发，讲清数据、架构可训练部分、阶段化训练、模板一致性、指标和回归防护。
RAG 检索中为什么要混合 BM25 和向量召回，融合权重或比例如何设置和评估？
这题考 sparse+dense hybrid retrieval 的工程判断：BM25 擅长精确词项、专名、数字、错误码和短查询，向量召回擅长语义相近、同义表达和自然语言问题。融合比例不是拍脑袋固定值，而要根据 query 类型、离线指标、线上反馈、延迟成本和 badcase 分布动态调优。
同题还出现在 1 个公司岗位
RAG rerank 后 TopK 与上下文长度预算如何选择，过短或过长时怎么处理？
这题考的是 rerank 之后的证据选择策略：TopK 不是固定返回几个 chunk，而是在相关性、证据覆盖、去重多样性、父子扩展、token 预算、模型长上下文能力、延迟成本和拒答策略之间做动态取舍。
RAG 中检索文档正确但生成答案错误时，如何定位 Prompt、上下文组织、模型推理和后处理问题？
这题考的是 RAG badcase 的责任拆解：当正确证据已经被检索到，问题就不再主要是召回率，而要检查证据是否进入 prompt、是否被截断或排序淹没、指令是否约束模型使用证据、模型是否误读冲突信息、解码是否不稳定，以及后处理是否改坏答案。
RAG 需要跨多个文档综合回答时，如何做多跳召回、证据合并和冲突处理？
这题考的是多文档 RAG 的端到端设计能力：不能只说把更多 chunk 塞进上下文，而要能讲清问题拆解、多路召回、证据覆盖、去重合并、冲突处理、带引用生成和评估闭环。
Instruction Tuning 多轮对话训练中 loss mask 应如何设计，哪些 token 应参与损失？
这题考的是多轮 SFT 的 token 级训练目标设计：候选人要能说明 system/user/padding 通常不算 loss，assistant 答案 token 通常算 loss，并进一步讲清多轮全部 assistant turn、last-turn-only、label shift、packing 边界和模板一致性。
模型对齐后变得过于保守、经常拒答时，如何调整偏好数据、拒答策略和安全阈值？
这题考的是对齐训练中的 helpfulness 与 harmlessness 校准能力：候选人要能把过度拒答拆成数据标签、偏好目标、reward/judge 偏置、安全分类阈值和线上策略问题，并给出训练与评估闭环。
RAG 检索召回无关内容时，如何从 query rewrite、混合检索、rerank、过滤和拒答机制处理？
这题考察候选人能否把 RAG 无关召回拆成可诊断、可治理、可评估的检索链路问题，而不是只说调提示词或换模型。
同题还出现在 1 个公司岗位
PPO clip 在 advantage 为正或为负时分别限制什么，为什么这样能稳定策略更新？
这题考 PPO clipped surrogate objective 的符号细节。好的回答要能从 r(theta)=pi_new(a|s)/pi_old(a|s) 和 advantage A 的正负出发说明：A 为正时，这个动作比预期好，PPO 限制新策略把它概率提高得过多，也就是限制 ratio 的上界；A 为负时，这个动作比预期差，PPO 限制新策略把它概率降低得过多，也就是限制 ratio 的下界。这样用保守目标抑制单步策略漂移，从而提升训练稳定性。
Qwen 这类大模型如何设计安全策略，减少有害内容和偏见输出？
这题考的是大模型安全治理的系统观：减少有害内容和偏见输出不能只靠一句安全提示词，而要把政策定义、数据治理、对齐训练、运行时护栏、红队评测和线上反馈做成闭环。