阿里大模型算法暑期实习面经分享

发点面经攒攒人品～1.介绍主流 Transformer-based 模型架构2.讲一下 LoRA 原理3.为什么用 LoRA，而不用全量微调4.如何理解 LoRA 的核心假设：模型针对特定任务做下游微调时，权重矩阵更新具有极低的内在秩5.为什么 SFT 之后还要进行后训练6.讲一下 DPO 的损失函数怎么计算7.讲一下 GRPO 原理8.GRPO 和 PPO 的区别9.GRPO 的优点10.什么情况下使用 GRPO 效果会不好11.使用 GRPO 时，构造数据要符合什么要求12.为什么不用 GRPO 训练，而是用 DPO 训练13.熟悉哪些 Agent 框架14.如果要设计一个好的 Agent，除了大模型，还会设计哪些部分15.了解哪些训练框架16.怎么构造高质量训练集17.怎么体现训练集高质量18.多路 System 增强策略怎么做19.训练后的效果用什么指标评价20.Dense 模型和 MoE 模型有什么区别21.怎么评测训练效果22.了解哪些量化技术23.量化发挥作用的原理是什么24.讲一下 ZeRO-1、ZeRO-2、ZeRO-325.如果显存有限，会选择哪个方案训练26.了解投机解码技术吗27.讲一下投机解码技术原理28.算法题：LeetCode 56 合并区间

最近按当前筛选整理了一波面经，这次挑了 10 篇相对值得复盘的内容，方便刷题和回看。1. 快手｜AI应用开发｜一面日期：2026-05-07关键词：快手面经难度：5 星标签：技术面 / 有代码题技术栈：Agent、Multi-Agent、MCP、Skill、Function Call、上下文工程、上下文压缩、短期记忆面经总结本场一面重点深挖AI Agent应用能力，尤其是多智能体、工具调用、上下文压缩与记忆架构设计，并考察了一道经典算法题。高频问题【Agent与工具调用】介绍多智能体范式以及各自优缺点。【Agent与工具调用】聊聊你对MCP的理解。【Agent与工具调用】是否了解Skill，介...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.Qwen3.5架构2.介绍GRPO,对比DPO,PPO3.上下文管理方法，怎么优化的，不同优化方式有什么理解吗4.claudecode了解吗，跟codex有什么区别，cc使用有什么技巧，cc为什么这么好用5.Skills和MCP区别6.介绍Openclaw7.用户低质量，语义模糊的询问怎么处理8.讲讲Agent领域最新进展9.LLM前沿的论文10.讲讲Agent领域比较火的开源项目的了解，和自己做的差距在哪里

结合我自己春招18场AI岗面试的经历，以及牛客上百篇26届AI岗上岸面经，给大家整理了这份AI项目面试拷打全考点分档盘点，覆盖99%的校招AI项目面试问题，从基础必问到死亡追问，分模块拆解，标注高频程度和岗位适配度，不管你是AI应用开发、Java后端转AI、还是算法岗，都能直接对应准备。先说明：本次盘点覆盖2026年校招最高频的AI项目方向，包括RAG知识库/多模态RAG、垂直行业Agent、AI应用开发、大模型微调、端侧AI，所有考点均来自真实面试真题，应届生直接按这个清单准备，面试官拷打不动你。核心分档逻辑：【基础必问层】：90%的面试都会问，项目入门门槛，答不上来直接凉，判定项目不是你做...