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 中等

滑动窗口注意力在推理时如何降低显存与计算？它丢失了哪些信息？

作答 →
LLM 中等

GQA 与 MQA 相比 MHA 会损失多少表达能力？如何在显存与质量间权衡？

作答 →
LLM 中等

KV cache 的显存如何精确估算？请给出公式并举一个例子。

作答 →
LLM 简单

长上下文大模型在显存与计算上面临哪些挑战？

作答 →
LLM 简单

自注意力的 O(n²) 复杂度具体来自哪几步矩阵运算？

作答 →
LLM 困难

幻觉评估中如何度量事实一致性（factual consistency / faithfulness）？

作答 →
LLM 中等

幻觉与模型置信度/不确定性有什么关系？如何检测可能的幻觉输出？

作答 →
LLM 困难

用事实性训练或 RLHF 抑制幻觉有哪些收益与副作用？

作答 →
LLM 困难

解码策略（temperature、top-p、采样）如何影响幻觉与生成质量？

作答 →
LLM 中等

如何通过提示工程缓解幻觉？

作答 →
LLM 简单

RAG（检索增强）为什么能缓解幻觉？它又有哪些局限？

作答 →
LLM 中等

大模型产生幻觉的根本原因有哪些？

作答 →