面试优先顺序（通用 AI 应用开发岗位）：Q1、Q3、Q4、Q5、Q6、Q7、Q8、Q10、Q13、Q18、Q19、Q20。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。
难度： ⭐⭐⭐⭐ 更新： 2026-04-15 考点： LoRA、RLHF、DPO、微调策略、训练优化、TRL v1.0
| 日期 | 更新内容 |
|---|---|
| 2026-05-07 | 新增 Q14 DAPO/GSPO（GRPO进化版）、Q15 信用分配问题 |
| 2026-04-15 | 新增 Q13 TRL v1.0（75+后训练方法、chaos-adaptive设计哲学） |
| 2026-03-05 | 新增大模型微调与训练面试题 11 道 |
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
LoRA与PEFT
后训练与分布式训练进阶
- Q14 · TRL v1.0 是什么？为什么代表了后训练库的工程化成熟？
- Q15 · DAPO 和 GSPO 是什么？它们和 GRPO 有什么区别？
- Q16 · 什么是信用分配问题（Credit Assignment Problem）？token级别和seq级别的奖励有何不同？
- Q17 · 训练数据 Packing 是什么？为什么要正确处理 attention mask 和 loss mask？
- ⭐ Q18 · 学习率、Warmup、梯度裁剪和有效 Batch Size 如何联动？
- ⭐ Q19 · DDP、FSDP 和 ZeRO 分别解决什么问题？
- ⭐ Q20 · 如何判断微调过拟合、数据泄漏或只是评测噪声？
对齐技术：RLHF与DPO
微调基础概念
训练优化
- ⭐ Q10 · 训练时遇到 OOM（显存不足）怎么办？
- Q11 · 如何防止微调时的灾难性遗忘（Catastrophic Forgetting）？
- Q12 · PEFT方法对比:LoRA vs QLoRA vs Adapter vs Prefix-Tuning
- ⭐ Q13 · 微调数据如何准备？数据质量如何保证？