跳到主要内容
面试之前，先来面栈
搜索
真实面经
/
阿里巴巴
阿里巴巴
74
篇面经
·
595
道面试题
收藏公司
官方招聘
↗
开始复习
→
面经
74
面试题
595
知识分类
知识分类
模型基础与推理
RAG 与知识系统
Agent 原理与系统
AI 应用工程与治理
模型训练与对齐
软件工程基础
算法与编程题
项目与综合面试
知识分类
知识专题
知识专题
安全、权限与人工介入
安全与认证
并发与异步编程
参数高效微调
操作系统与 Linux
查询理解与改写
产品场景、业务价值与交付边界
动态规划、贪心与回溯
多 Agent 编排与协作
多模态文档处理
多模态与生成模型
分布式系统与一致性
分布式训练与计算硬件
个人介绍与教育经历
工具调用与 Function Calling
工作流、状态与执行恢复
规划、推理与任务执行
混合检索与重排序
机器学习与推荐系统
记忆系统
技术决策与业务理解
开发工具与工程实践
可观测性、稳定性与故障诊断
链表、栈与队列
模型服务、部署与交付
模型架构与表示
模型选型与能力边界
能力成长与学习方法
排序、查找与 Top-K
偏好对齐
评测体系与实验设计
前端与 Web
强化学习与奖励
求职动机、职业选择与安排
容器、云原生与工程交付
上下文工程
设计模式与代码质量
生成质量与幻觉治理
树、图与遍历
数据、效果与项目价值
数据工程与数据处理
数据库与 SQL
数组、字符串与哈希
团队协作与推动落地
推理优化与模型压缩
网络与浏览器
文档解析与清洗
文档切分与元数据
系统架构与业务设计
向量数据库与索引
项目背景、架构与职责
项目难点、复盘与改进
消息队列与实时通信
性能、时延与成本
训练框架、调参与排障
训练数据构建与治理
预训练、续训与 SFT
召回策略与检索
蒸馏与模型合并
知识更新、版本与权限
知识图谱与 GraphRAG
Agent 基础与运行循环
Agent 框架与 Harness
Agent 应用架构与场景设计
AI Coding 与研发流程
C/C++、Go 与编译
Embedding 与向量表示
GUI、Computer Use 与多模态 Agent
Java、Spring 与 JVM
MCP、A2A 与工具协议
Prompt 与结构化输出
Python 与服务框架
RAG 架构与生成链路
RAG 评测与故障排查
Redis 与缓存
Skills 能力系统
Tokenizer 与位置编码
Transformer 与注意力
Verifier 与训练评测
知识专题
知识专题
找到
79
个专题
知识专题
✓
安全、权限与人工介入
✓
安全与认证
✓
并发与异步编程
✓
参数高效微调
✓
操作系统与 Linux
✓
查询理解与改写
✓
产品场景、业务价值与交付边界
✓
动态规划、贪心与回溯
✓
多 Agent 编排与协作
✓
多模态文档处理
✓
多模态与生成模型
✓
分布式系统与一致性
✓
分布式训练与计算硬件
✓
个人介绍与教育经历
✓
工具调用与 Function Calling
✓
工作流、状态与执行恢复
✓
规划、推理与任务执行
✓
混合检索与重排序
✓
机器学习与推荐系统
✓
记忆系统
✓
技术决策与业务理解
✓
开发工具与工程实践
✓
可观测性、稳定性与故障诊断
✓
链表、栈与队列
✓
模型服务、部署与交付
✓
模型架构与表示
✓
模型选型与能力边界
✓
能力成长与学习方法
✓
排序、查找与 Top-K
✓
偏好对齐
✓
评测体系与实验设计
✓
前端与 Web
✓
强化学习与奖励
✓
求职动机、职业选择与安排
✓
容器、云原生与工程交付
✓
上下文工程
✓
设计模式与代码质量
✓
生成质量与幻觉治理
✓
树、图与遍历
✓
数据、效果与项目价值
✓
数据工程与数据处理
✓
数据库与 SQL
✓
数组、字符串与哈希
✓
团队协作与推动落地
✓
推理优化与模型压缩
✓
网络与浏览器
✓
文档解析与清洗
✓
文档切分与元数据
✓
系统架构与业务设计
✓
向量数据库与索引
✓
项目背景、架构与职责
✓
项目难点、复盘与改进
✓
消息队列与实时通信
✓
性能、时延与成本
✓
训练框架、调参与排障
✓
训练数据构建与治理
✓
预训练、续训与 SFT
✓
召回策略与检索
✓
蒸馏与模型合并
✓
知识更新、版本与权限
✓
知识图谱与 GraphRAG
✓
Agent 基础与运行循环
✓
Agent 框架与 Harness
✓
Agent 应用架构与场景设计
✓
AI Coding 与研发流程
✓
C/C++、Go 与编译
✓
Embedding 与向量表示
✓
GUI、Computer Use 与多模态 Agent
✓
Java、Spring 与 JVM
✓
MCP、A2A 与工具协议
✓
Prompt 与结构化输出
✓
Python 与服务框架
✓
RAG 架构与生成链路
✓
RAG 评测与故障排查
✓
Redis 与缓存
✓
Skills 能力系统
✓
Tokenizer 与位置编码
✓
Transformer 与注意力
✓
Verifier 与训练评测
✓
未找到匹配专题
问题类型
问题类型
比较选型
操作实践
代码题
方案设计
概念解释
故障排查
经历介绍
开放讨论
系统设计
项目深挖
效果评估
行为面
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
595
道题
开始复习 →
排序：
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
3472
为什么使用二值奖励，而不采用连续或阶梯式奖励？
模型训练与对齐
强化学习与奖励
比较选型
已有答案
面前必看
进阶
1
篇面经
为什么使用二值奖励，而不采用连续或阶梯式奖励？的复习状态
未标记
待复习
已掌握
›
3473
用 Qwen-3 等大模型奖励打分时是否需要微调？
模型训练与对齐
强化学习与奖励
比较选型
已有答案
面前必看
进阶
1
篇面经
用 Qwen-3 等大模型奖励打分时是否需要微调？的复习状态
未标记
待复习
已掌握
›
3474
RAG 项目具体做过哪些微调？
模型训练与对齐
预训练、续训与 SFT
项目深挖
已有答案
面前必看
进阶
1
篇面经
RAG 项目具体做过哪些微调？的复习状态
未标记
待复习
已掌握
›
3475
RAG 项目为什么没有采用强化学习？
模型训练与对齐
强化学习与奖励
比较选型
已有答案
面前必看
进阶
1
篇面经
RAG 项目为什么没有采用强化学习？的复习状态
未标记
待复习
已掌握
›
3476
Ranker 如何微调，使用什么数据格式和模型架构？
RAG 与知识系统
混合检索与重排序
项目深挖
已有答案
面前必看
进阶
1
篇面经
Ranker 如何微调，使用什么数据格式和模型架构？的复习状态
未标记
待复习
已掌握
›
3477
如何解决大模型记忆遗忘问题？
模型训练与对齐
训练框架、调参与排障
故障排查
已有答案
面前必看
进阶
1
篇面经
如何解决大模型记忆遗忘问题？的复习状态
未标记
待复习
已掌握
›
3478
是否使用过 DeepSpeed、DDP 等分布式训练框架？
模型训练与对齐
分布式训练与计算硬件
经历介绍
已有答案
面前必看
—
1
篇面经
是否使用过 DeepSpeed、DDP 等分布式训练框架？的复习状态
未标记
待复习
已掌握
›
3479
调用过 OpenAI 哪些接口，主要用于对话还是 Embedding？
Agent 原理与系统
Agent 框架与 Harness
经历介绍
已有答案
面前必看
—
1
篇面经
调用过 OpenAI 哪些接口，主要用于对话还是 Embedding？的复习状态
未标记
待复习
已掌握
›
3480
如何设计困难样本挖掘，使项目中的 8B 模型效果超过 14B 模型？
模型训练与对齐
训练数据构建与治理
项目深挖
已有答案
面前必看
进阶
1
篇面经
如何设计困难样本挖掘，使项目中的 8B 模型效果超过 14B 模型？的复习状态
未标记
待复习
已掌握
›
3481
电商客服场景中为什么小模型可能比大模型效果更好？
模型基础与推理
模型选型与能力边界
比较选型
已有答案
面前必看
进阶
1
篇面经
电商客服场景中为什么小模型可能比大模型效果更好？的复习状态
未标记
待复习
已掌握
›
3472
为什么使用二值奖励，而不采用连续或阶梯式奖励？
模型训练与对齐
强化学习与奖励
比较选型
已有答案
面前必看
进阶
1
篇面经
为什么使用二值奖励，而不采用连续或阶梯式奖励？的复习状态
未标记
待复习
已掌握
›
未找到相关题目
换个关键词，或清除筛选。
清除筛选
共
595
道题 · 显示 511–520 道
上一页
1
…
51
52
53
…
60
52 / 60
下一页
启用 JavaScript 后可筛选和浏览完整题库；当前显示前 10 道题。
