面试题库

全部 Django Elasticsearch FastAPI Flask Function Call JVM Java IO Java 后端 Java 基础 Java 并发 Java 新特性 Java 集合 JavaWeb Kafka LLM LangChain LangGraph MongoDB MyBatis MySQL Netty Nginx Python RAG RabbitMQ Redis RocketMQ Spring Spring AI SpringBoot SpringCloud SpringMVC ZooKeeper 分布式 后端技术 大厂面经 大数据 微服务 提示词工程 操作系统 数据库 数据结构 智能体 海康威视2026秋季社招专项 消息队列 监控运维 算法 系统设计 缓存 计算机基础 计算机网络 设计模式 面试题 高可用 高并发
LLM 困难

PPO 在 RLHF 中为什么难训练？有哪些常见的不稳定因素与缓解手段？

作答 →
LLM 中等

奖励模型（reward model）是如何训练的？偏好数据如何构造？

作答 →
LLM 中等

RLHF（基于人类反馈的强化学习）的完整流程分为哪几个阶段？

作答 →
LLM 中等

Prompt Tuning 中的软提示（soft prompt）是什么？与硬提示词有何区别？

作答 →
LLM 中等

P-Tuning 与 Prefix-Tuning 分别是什么？它们与 LoRA 有何区别？

作答 →
LLM 困难

QLoRA 中量化-反量化引入的误差会不会伤害微调效果？它是如何被缓解的？

作答 →
LLM 中等

QLoRA 相比 LoRA 做了哪些改进？NF4 量化与双重量化分别是什么？

作答 →
LLM 中等

LoRA 推理时合并权重（merge）与不合并有什么区别？各自适用什么场景？

作答 →
LLM 困难

LoRA 应该加在哪些层上？只加 Q/V 与同时加 FFN 各有什么权衡？

作答 →
LLM 中等

LoRA 的 rank r 与缩放因子 alpha 分别如何影响微调效果？为什么常设 alpha=2r？

作答 →
LLM 中等

LoRA 的核心思想是什么？为什么它能大幅减少可训练参数量？

作答 →
LLM 简单

指令微调（instruction tuning / SFT）解决了什么问题？它与预训练有何不同？

作答 →